深度学习(Deep Learning)技术近年来在图形学及其三维人体重建(3D Human Reconstruction)领域有不错的成果,其中一些优秀的三维人体重建方法取得了很好的效果,但在精度和速度方面,仍有提升空间。本发明针对深度图进行三维人体重建,首先构建大规模的合成人体深度数据集;然后利用合成数据进行监督学习,其中选择了三维信息和二维信息作为监督条件约束人体参数的求解;最后通过迁移学习(Transfer Learning)的阈领域迁移,设计训练策略来使得网络对真实数据有更好的预测能力。