随着时代的发展以及科技的迅速进步,人们的物质生活水平也稳步提高,已经不会简单地满足于温饱,而是向着更好的物质水平以及更高的精神需要进行发展。服装作为衣食住行之首,日常生活中是必不可少的,如何穿衣打扮更是人们所必须做的日常工作之一。现代社会以互联网为媒介,向人们传递了大量的信息,以电子商务系统为代表的社交网络也在不停地发生着新的变化,以往商品的各种爆款服装已经不能够再满足人们的需要,即便是小批量的时尚成衣同样也不能够满足人们对于服装个性化的要求。目前,定制服装的定制都需要获知消费者的准确身体参数,而现在主流的电商平台的服装经销商往往只能提供标准的衣服尺码,无法帮助消费者测量。即便有部分线上营销商通过让用户主动提供尺码的方式来解决该问题,但是用户自己采集尺码的过程往往会因为不规范,最后造成服装的不合身。为了解决无法准确获取到人体参数的问题,越来越多的研究者开始进行相关方面的研究工作,让用户穿着特殊服装后通过拍摄的彩色照片来提取用户的人体参数是目前较为常见的解决方案。然而该方法对于用户的特殊穿着以及环境等方面都有着比较特殊的要求,限制较多。因此本研究使用普通商家也能够负担的起的深度相机Kinect作为摄像头,通过这种深度相机来获取到用户的深度图像数据,所有提取出来的深度图像中都附带有每个用户各自的人体特征。然后本研究通过建立基于卷积神经网络的集成学习模型对采集到的深度图像进行训练,为了验证该模型在对人体参数的预测方面是否更加准确,同时采用传统单一神经网络作为实验对照组。最后的实验结果表明,本研究建立的模型相对于传统的单一神经网络,对人体参数的预测值上面的波动更小,并且得到的预测值与实际值之间的最大误差值控制在0.4cm之内,误差均值基本在0.25cm,证明了该模型在其性能上有了较好的改善,在对人体参数的预测方面具有更好的准确性,具有较高的实际应用价值。