1.基于单张rgb图像实现不同人体重建模型的融合方法，其特征在于：包括步骤s100：标定模型迁移与融合区域：将两个不同重建方法得到的隐式表达网络通过marching cubes算法网格化，获得空间及空间分辨率对齐的三维人体重建模型；基于单张rgb图输入两个三维人体隐式重建模型；通过渲染方式获得每个模型像素对齐的空间深度图，并计算对应的空间厚度图，通过厚度图对比获得两个模型的相同区域和不同区域；
2.根据权利要求1所述的基于单张rgb图像实现不同人体重建模型的融合方法，其特征在于：步骤s100包括：
3.根据权利要求2所述的基于单张rgb图像实现不同人体重建模型的融合方法，其特征在于：步骤s110中，第一模型为icon重建方法获得的三维人体隐式重建模型；第二模型为基于pifu重建方法获得的三维人体隐式重建模型。
4.根据权利要求2所述的基于单张rgb图像实现不同人体重建模型的融合方法，其特征在于：步骤s120中，v值采用0.5；0.5作为重建表面，大于0.5视为在重建表面外，小于0.5视为在重建人体表面的内部。
5.根据权利要求2所述的基于单张rgb图像实现不同人体重建模型的融合方法，其特征在于：步骤s150包括：
6.根据权利要求1所述的基于单张rgb图像实现不同人体重建模型的融合方法，其特征在于：步骤s200包括：
7.根据权利要求6所述的基于单张rgb图像实现不同人体重建模型的融合方法，其特征在于：步骤s210中，训练可见面深度图网络与不可见面深度图网络时，特征匹配损失为：
8.根据权利要求6所述的基于单张rgb图像实现不同人体重建模型的融合方法，其特征在于：步骤s230中，计算第一模型的空间平均厚度ta，计算深度预测图与第一模型对应区域的平均厚度tad，第一模型缺失部分的预测厚度tal，通过比例计算获得第二模型迁移至第一模型部分的厚度tb2a，将第二模型对应部分的厚度转化为tb2a。
9.根据权利要求1所述的基于单张rgb图像实现不同人体重建模型的融合方法，其特征在于：步骤s300包括：将第二模型保留部分和第二模型迁移部分进行插值计算，插值公式为：
10.根据权利要求1所述的基于单张rgb图像实现不同人体重建模型的融合方法，其特征在于：步骤s400包括：