人们希望计算机具有像人类一样理解现实世界的能力,而人体运动作为现实世界中最常见的视觉内容之一,是机器视觉研究的经典研究对象。运动重建作为高层应用的基础算法,通过从图像、视频中恢复出关节点坐标、旋转角度等信息来表示人体运动,在机器人感知与模拟、行为分析、虚拟现实等领域具有广阔的应用前景。在人工智能的推动下,二维运动重建已经被工业界所使用,但是世界是三维的,二维的人体表达无法精确的恢复人体姿态,为了更好地理解人体运动,更具有挑战性的三维人体运动重建成为了近年来的研究热点。现有的三维人体运动重建的方法,主要分为两大类:基于不同维度数据映射的方法,人体模型参数预测的方法。然而,这些方法都存在以下问题:难以利用人体关节间的层级连接关系;缺乏时序上人体模型一致性,不同预测帧之间仅仅传递了坐标信息;三维人体关节坐标难以标注,在有限数据集上训练所产生的过拟合,使得算法在真实场景下的表现并不理想。针对这些问题,本文提出一种基于单目视频的三维人体运动重建方法,通过设计出的双通路神经网络结构,同时预测出基于固定的人体骨架及所对应的关节旋转、全局坐标及脚步接触信号;将正向运动学的过程模拟在神经网络中,能够将单一骨架贯穿在整个时序预测中,大大减小了关节坐标的搜索范围,并能保证预测结果符合运动学常识;在关节角速度上使用的对抗学习,也保证了生成结果的真实性。本文在多个公开数据集上完成了对算法效果的评估,实验结果表明,本文提出的方法能够恢复出最准确的人体骨架,重建结果具有极高准确性。通过与其他方法的比较,发现本方法大大改善了运动重建的准确性、真实性、鲁棒性。