基于多视角图像的三维重建技术是计算机视觉领域的一个重要的研究方向,该技术在文物保护、场景模拟、医学治疗、人体测量等领域中有着重要的应用价值。随着数字图像处理与三维重建技术的快速发展,人们对三维模型的完整度和细节化的要求越来越高。针对这个实际应用问题,本文针对人体三维重建的相关技术展开了研究,本文主要工作包括:（1）首先本文利用智能手机获取多视角人物图像序列,由于本文的研究目标是对人体进行三维重建,因此,本文利用Mask R-CNN算法对拍摄的图像序列进行实例分割,降低背景等冗余信息对后续特征点检测、匹配以及人体三维重建的影响。接着通过对图像进行灰度化,减少了图像中的色彩等无效的信息,降低了计算量。然后加入拉普拉斯算子对图像进行锐化处理,以增强图像的边缘以及灰度突变的部分,使图像变得清晰,从而提高特征点的提取效果。（2）图像特征提取与匹配过程。使用SIFT算法提取目标人物图像的特征点,针对传统的穷尽式匹配耗时过多的问题,本文对提取的特征点构建二维KD树来加快匹配速度,并使用KNN最近邻算法初步筛选匹配点。针对传统的RANSAC算法进行误匹配对滤除时,不仅误匹配剔除精度不高,而且会将一部分正确的匹配点也滤除。因此,本文采用AdaLAM高效快速滤除外点,这有效地滤除了误匹配对,同时尽量保证正确匹配对不被滤除,减少对后续三维重建的效果的影响,也提升了三维重建的速度。（3）基于多视图的人体三维重建。在稀疏重建阶段,本文使用增量式SFM算法对图像进行稀疏点云重建,以获得各个视角图像的相机姿态。在稠密点云重建阶段,针对MVSNet网络需要比较高的GPU消耗,本文使用多视角立体视觉网络Cascade MVSNet将稀疏点云稠密化,得到了效果较好的人体稠密模型。在表面重建阶段,本文使用泊松算法对点云进行表面重建,使得三维模型更加真实。（4）将三维重建系统应用到服装电商网站。服装电商可以基于人体三维重建实现在线量体。目前我们可以在网站上上传人物不同视角的多幅图片,跟着网站的步骤操作便可查看三维重建之后的人体模型。为了得到好的重建效果,网站会提供相关技术的分享,用户也可进行学习以及讨论。实验结果表明,本文在对人物图像分割之后加入拉普拉斯算子,提升了图像特征点提取的能力,有效地解决了特征点提取时对图像边缘提取能力较弱的问题;在特征匹配时本文加入AdaLAM算法来优化匹配结果,有效地提升了图像匹配的能力。与基于传统的SFM重建方法相比,本文方法重建的点云数更多,重建的人体模型细节表现更好。本文采用的人体重建方法简单,所需成本低,鲁棒性较高,具有较好的研究价值和应用前景。