人是计算机视觉任务中的重要认知对象,人体姿态可以传递丰富的信息,对于姿态的认知、解读是人类视觉的一项基本能力。3D人体姿态估计是指从图像或者视频数据中检测出人体关键部位的位置,从而得出三维人体姿态的过程。人体姿态估计在视频监控、人机交互等领域具有广阔的应用前景,同时也可为行为识别、异常行为检测等其它问题的研究提供有效的辅助信息。受背景、距离等因素的影响,基于单张图像的3D人体姿态估计模型在自然场景下泛化效果较差。本文在对姿态估计模型进行改进的同时,也注重提升姿态估计模型在自然场景下的预测效果。本文采用基于深度学习的方法,对单张RGB图像进行3D人体姿态估计。从单一视角下推导3D人体姿态,本身存在着多义性问题。对此,本文设计人体姿态限制模型,利用循环神经网络对人体各关节点之间的依赖关系进行编码,对原始模型输出的姿态估计结果进一步调整,使姿态估计结果更符合人体本身的生理限制,从而提升模型的预测效果。3D姿态估计模型的训练数据绝大多数是在室内场景下采集得到,在此基础上训练得到的模型会更适合室内场景下的姿态估计。针对自然场景下图像背景、光照、距离多变的问题,在基准模型基础上,利用人体先验知识引入弱监督学习策略,更充分地挖掘2D姿态标注数据,使模型更适应复杂背景。在自然场景下,图像中人物对象的尺寸变化幅度相比室内场景更大,深度神经网络在深层次容易丢失骨骼关键点这样的小目标。因此本文采用特征融合策略,将深度神经网络不同层次的特征进行融合,结合高层特征的强语义和低层特征高分辨率的特点,更好地应对目标尺寸变化的问题,改善骨骼关键点的检测效果。文中主要使用具有三维人体姿态标注的Human3.6M数据集和具有二维姿态标注的MPII数据集。实验过程中,对改进后的模型和基准模型进行了对比实验,实验结果证实了改进后模型的有效性。将Human3.6M数据集作为测试集,在对齐后的平均关节位置误差测量指标上,相比于基准模型有1.9%的性能提升,而且在自然场景下有更好的泛化性能。