虚拟试衣能有效增强用户的网络购物体验,准确理解着装人体图像中以人为中心的语义区域,对辅助虚拟试衣起着重要作用。但由于着装人体图像服饰繁多,姿态各异,具有丰富的纹理和复杂的背景,使得准确理解图像变得困难。本文针对着装场景中人体姿态、边缘轮廓、服装配饰的复杂性以及人体部位关节点的遮挡等因素,导致人体解析结果不够精确的问题,结合边缘轮廓、姿态特征和粗解析特征,通过定义的结构损失和人体解析损失的组合函数进行人体精确解析。实验结果表明,该方法能有效地提高着装人体解析的精度。因着装场景下服饰种类不一,具有丰富的纹理和复杂的背景元素,对边缘轮廓识别产生干扰,所以边缘特征难以学习。针对该问题,本文以Res Net-101为基础,构建了边缘提取网络,融合具有全局信息的底层特征和具有局部信息的高维度特征,提高人体轮廓的准确率,减少各个语义边缘难以准确定位造成的边缘混乱、细节丢失等问题。然后,由于着装场景下人体姿态各异,人体部位存在重叠及交叉,使得相似关节点易混淆,导致识别准确率不高的问题。本文构建了着装姿态模板,通过聚类算法对关节点聚类,得到姿态模板,最终将着装姿态划分为4种,并在姿态估计网络中,通过定义的着装姿态损失函数,强化网络模型对人体关节点的定位能力,进一步提升姿态估计的准确率。最后,因着装人体图像中服饰语义繁多,服饰语义往往覆盖了重要的人体部位,单一特征难以包含边缘信息和人体部位信息,所以无法准确识别人体部位或各个语义边界。针对该问题,本文将边缘轮廓提供的边缘信息,姿态特征提供的关节点信息,及基础网络提取的粗解析特征,送入精确解析模块中,进行精确解析,并定义结构损失函数以获得更加精确的解析结果。