人体姿态生成作为深度学习和计算机视觉领域的研究热点,已经被广泛的应用在人机交互、医疗辅助、智能监控识别等诸多领域。近年来,随着人工智能的兴起,利用生成式对抗网络的理念进行人体姿态生成的研究已经受到了越来越多的学者关注,并基于生成式对抗网络提出了很多改进的生成方法和理论,但是在人体姿态图像生成的过程中仍有训练过程不稳定,生成图像特征的不可控,以及生成图像质量不够的问题。本文针对在人体姿态图像生成过程中出现的训练过程不稳定、图像特征不可控、以及生成质量不高等问题,利用特征提取、姿态与语义特征融合、搭建新的网络模型进行人体姿态图像的生成,并采取不同的优化方法实现对人体姿态的高质量可控生成。在解决问题的过程中,具体工作如下:针对人体姿态图像生成过程中生成姿态特征存在不可控性的问题,本文利用特征提取和深度学习的方法,以卷积神经网络为基础,对人体姿态进行特征的提取并与语义融合为潜在特征向量,在生成网络中加以控制。针对生成过程中图像生成质量不高的问题,通过对人体姿态图像特征的研究,设计生成网络和判别网络模块,搭建TCI-GAN（Text control image-GAN）网络模型,并根据研究的目的和网络结构构建损失函数。针对生成人体姿态图像训练过程不稳定的问题,对网络损失函数和优化方法加以改进,特征提取网络及生成网络分别采取不同损失函数和优化方法优化网络权重、调整网络参数,并在判别网络梯度下降中加入Lipschitz条件限制,提高网络的稳定性。通过实验验证本方法在人体姿态的可控生成以及生成图像质量上达到了良好的效果,对比其他网络,本网络IS（Inception Score）分数更高,并且对生成的姿态图像实现可控性生成。实验验证了该网络在人体姿态生成方面表现出更好的质量和可控性。