由于获取单张人体图像比多张图像更方便快捷,所以基于单幅图像的人体动画合成具有更广泛的应用前景,备受关注。但是因为单幅图像缺失三维信息以及部分人体纹理信息,所以基于单幅图像的真实感人体动画合成极具挑战性。现存的基于单幅图像的动画合成算法复杂性高、适用范围有限、生成的结果存在伪影等瑕疵而真实感较低。本文从生成的动画真实感和算法的效率的角度出发,提出一种基于人体三维模型重建再渲染的人体动画合成算法。该算法框架先重建出具有完整纹理和几何细节的人体参数化模型,再利用3D运动数据驱动该模型运动从而生成具有高度真实感的人体动画。主要工作包括:首先,提出了一种基于SMPL-X参数模型的三维人体模型重建方法。该方法以单幅图像为输入,先根据输入图像人体轮廓信息变形标准的SMPL-X参数模型分别生成与目标轮廓一致的正反面的三维几何模型,然后利用基于B样条插值的网格拼接融合算法拼接正反面三维几何,最后为了恢复正确的手部几何,利用基于B样条插值的网格拼接融合算法将重建后的模型上的错误的手部几何用标准SMPL-X参数模型上的正确的手部几何替换。其次提出了一个基于生成对抗网络的背面纹理生成算法。框架的第二个重要环节是解决单幅图像中人体背部纹理缺失问题。该算法在相同视角下人体的正面和背面具有相同的轮廓和许多相同视觉特征的基础上,基于条件对抗生成网络设计训练了一个背面纹理生成网络充当转换函数的功能,根据输入正面图像生成人体背面纹理图像。最后,基于输入的运动数据,通过改变重构后的具有完整纹理细节与几何细节的人体参数化模型的姿态参数控制模型运动并渲染生成动画。本文在现有公开数据集以及在互联网上收集的数据进行了充分的实验。实验结果表明,本文的方法生成的具有完整纹理的人体几何能够由3D运动数据驱动运动生成具有高度真实感的三维人体动画。综上所述,本文的主要贡献是提出了一种基于单幅图像的参数化三维人体重建算法、设计并训练了一种基于对抗生成网络的背面纹理生成网络,并基于以上算法完整构建了一种基于单幅图像的真实感人体动画合成算法框架。