近年来,人体姿态估计在计算机视觉领域引起广泛关注。人体姿态估计是人类动作识别领域的关键技术,其目的是提取图像或视频中的特征并估计人体的姿态,以骨骼关键点等形式表示。人体姿态估计已广泛应用于人机交互、视频监控、智能运动、CGI应用、训练机器人等各个领域。然而,遮挡、运动模糊、光照变化和对新场景的适应等一直是人体姿态估计研究中面临的挑战。为了解决此问题,本文提出了基于最大化热图的人体姿态估计模型。该模型通过基于最大化热图结构的特征卷积获得高质量的2D热图,从而提高目标人物的定位准确性;然后提出人体姿态回归网络估计精细的3D人体姿态。本文还将基于最大化热图的人体姿态估计模型与车辆辅助驾驶系统中的实际场景相结合,对其在交通事故视频中的应用进行研究。本文的主要贡献如下:（1）本文提出2D高质量的热图,能够为3D人体的定位提供较为准确的参考。在两阶段的3D人体姿态估计中,2D人体姿态估计的结果是下一步3D人体姿态估计的输入。因此本文认为,2D高质量的热图可提高3D人体姿态估计的准确度。（2）本文提出基于最大化热图的人体姿态估计模型的回归网络,以此估计精细的3D人体姿态。本文构建以每个目标人物为中心的细粒度特征卷积,并将其输入基于最大化热图的人体姿态估计模型中的回归网络,用于估计精细的3D人体姿态。（3）本文将基于最大化热图的人体姿态估计模型与交通事故视频相结合,对受伤人员的姿态进行分析。事故发生时人体是否处于防护姿态对人体的受伤程度具有至关重要的作用。基于最大化热图的人体姿态估计方法可估计受伤人员在事故中的人体姿态,为受伤人员后续的治疗手段提供重要的依据和参考。