运动目标识别与分析是属于计算机视觉领域的重要的研究方向,被广泛运用于我们的生活中,诸如智能机器人、视频监控、医疗教育、体育竞技、国防安全等领域。目标识别,即在视频或图像序列中选择感兴趣的目标,在后续帧中,找到该目标的准确位置并识别,然后基于选定目标,可以进行相应的跟踪,并分析其动作含义,以实现运动的预判或者复现,和相应的三维姿态效果等。本文主要针对视频或图像序列中的运动人体,如在体育项目中的运动目标进行处理,通过基于深度学习的方法,达到接近于实时的运动目标的检测与三维姿态估计。基于普通摄像机采集的数据,甚至在存在遮挡和低分辨率的情况下,我们提出了“DN-2DPN-3DPN”的实用框架,可快速鲁棒的实现多人运动的三维姿态估计。针对输入,“DN-2DPN-3DPN”框架利用三个神经网络,分三个阶段执行:第一个阶段是使用Detect Net(DN)网络对每个人的边界框分别进行检测;第二阶段利用2DPose Net(2DPN)网络估计每个人对应的二维位姿,第三阶段使用3DPose Net(3DPN)网络来获取人们的3D姿势。本文主要创新点如下:1.利用已有的检测器进行改造,设计Detect Net(DN)实现对运动目标检测器的选取,完成代码重实现以及训练等。2.主要是基于DN检测的目标设计选取对应2DPose Net(2DPN)网络框架,以进行二维姿态预测。3.改进已有的网络,实现的3DPose Net(3DPN)以达到由二维姿态到三维姿态的预测,并在训练中得到优于现有先进方法的结果。实验验证了该系统在多用户环境下的性能,并实现基于Human3.6M数据集训练我们网络的最优训练方法,最终能够得到实时多人三维人体姿态估计。基于本文的“DN-2DPN-3DPN”框架,通过实验给出的单人姿态估计常用数据集的loss精度对比证明了本文方法的先进性和可用性,同时实现一个实用的可用于多人实时运动目标分析的原型系统。