找到形状之间有意义的匹配是几何处理中的一个基本问题。在形状匹配领域,人们习惯于将物体看作是一系列离散平面点的集合,而轮廓则是构造任何一个形状的边界线,相比于点集,它多了物体边界的顺序关系,是一种更高级别的视觉信息。近年来,基于轮廓的形状匹配方法取得了快速的发展,其中以形状上下文匹配算法最为经典,但这个领域仍有很多问题没有解决,如:形状匹配的大多数工作专注于寻找形状之间的相似程度,并不追求轮廓点集之间的精确匹配,既允许匹配结果中存在异常匹配点对。因此如何快速有效的处理匹配结果中的异常匹配点对,值得我们深入研究。针对形状匹配中存在的不足,本文在深入研究并总结形状匹配算法的基础上,以传统的形状上下文匹配算法为基础,提出了基于形状贡献因子的轮廓匹配方法。所提出的形状贡献因子主要用于评估匹配结果中的每个匹配点对,其描述了单个匹配点对对于整个匹配结果的影响程度,并结合轮廓的顺序信息以及近邻信息,快速处理结果中存在的异常匹配点对。本文将提出的轮廓匹配方法成功的应用到了基于kinect深度相机的人体形状深度数据的匹配中,进行了快速有效的任意姿势三维人体建模。本文设计的三维人体模型重建系统利用单幅人体图像分别估计可变形模型的姿势和形状。其中姿势重建主要利用从图像中获取的人体骨骼数据完成,而形状重建的关键在于得到三维人体模型的投影轮廓与图像中人体轮廓的精准对应关系。最后,本文在自制的数据集上与其它高度相关的轮廓匹配工作进行了对比实验,经实验证明,本文所提出的形状贡献因子能有效的处理轮廓匹配中存在的异常匹配点对,从而得到视觉上更为合理的轮廓对应关系。