1.一种面向二维数据的人体三维重建方法，其特征在于，包括如下步骤：步骤1，获取视频中的人体关键点二维坐标；

步骤2，根据人体模型库中的人体模型或创建一个人体模型，确定人体模型的坐标系；

所述步骤2中，在Blender中确定人体模型的坐标系，具体为：首先使用Blender的导入功能，将人体模型加载到Blender的场景中；然后使用Blender的移动、旋转和缩放工具调整人体模型的位置和比例，使得调整后的人体模型适合步骤1的视频场景和坐标系的参考；最后在人体模型上创建骨骼系统，使用骨骼约束和关节控制器模拟人体的骨骼结构和关节运动；

步骤3，利用transform深度学习模型学习4×4投影矩阵进行透视变换，将人体关键点二维坐标映射到三维空间中；

步骤4，设计transform深度学习模型的损失函数，使采用上述模型映射得到的三维坐标与实际坐标之间的误差最小，从而得到符合vrm格式的人体模型。

2.根据权利要求1所述的面向二维数据的人体三维重建方法，其特征在于，所述步骤1中，采用mediapipe作为人体关键点检测工具，利用mediapipe中的姿态估计模型获取视频中的人体关键点二维坐标，人体关键点包括脸部、手部和躯干关键点。

3.根据权利要求1所述的面向二维数据的人体三维重建方法，其特征在于，所述步骤3中，利用transform深度学习模型学习4×4投影矩阵，该4×4投影矩阵将人体关键点二维坐标映射到三维空间中，所述4×4投影矩阵包括平移变换矩阵、缩放变换矩阵和旋转变换矩阵；

根据步骤2确定的坐标系，将两肩的中间位置作为坐标系的原点，左肩到右肩的方向定义为X轴，肩膀到臀部的方向定义为Y轴，根据该坐标系将二维坐标转换为符合three.js，vector3的三维坐标；

平移变换矩阵的形式如下：

矩阵运算为：

其中，[x y 0 1]由二维坐标(x,y)拓展而来，Tx、Ty、Tz分别表示沿X轴、Y轴、Z轴方向平移的距离；

缩放变换矩阵的形式如下：

矩阵运算为：

其中，Sx、Sy、Sz分别表示沿X轴、Y轴、Z轴方向上缩放的大小；

沿X轴顺时针旋转变换矩阵的形式如下：

矩阵运算为：

其中，θx表示绕X轴顺时针旋转的角度；

沿Y轴顺时针旋转变换矩阵的形式如下：

矩阵运算为：

其中，θy表示绕Y轴顺时针旋转的角度；

沿Z轴顺时针旋转变换矩阵的形式如下：

矩阵运算为：

其中，θz表示绕Z轴顺时针旋转的角度。

4.根据权利要求1所述的面向二维数据的人体三维重建方法，其特征在于，所述步骤4中，利用transform的自注意力机制强化对人体结构关键点位的学习，使采用transform深度学习模型映射得到的三维坐标与实际坐标之间的误差最小，模型的损失函数为：其中，表示损失函数，α、β分别表示3D坐标和2D坐标损失函数的权重， 表示3D人体模型顶点损失， 表示3D人体模型关键顶点损失， 表示3D人体模型关键顶点回归损失，表示2D关键点投影损失，V3D表示3D人体模型顶点的训练值， 表示3D人体模型顶点的真实三维坐标，J3D表示3D人体模型关键顶点的训练值， 表示3D人体模型关键顶点的真实三维坐标， 表示关键顶点的回归值， G为回归矩阵，J2D表示2D人体模型关键顶点的训练值， 表示3D人体模型关键顶点的真实二维坐标，M表示顶点的个数，K表示一个人的关节数，||·||1表示L1范数。

5.一种计算机设备，包括存储器、处理器，以及存储在所述存储器中并能够在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述的面向二维数据的人体三维重建方法的步骤。

6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的面向二维数据的人体三维重建方法的步骤。