单目三维人体姿态估计是指从单台相机拍摄的单张彩色人物图像或者图像序列中估计出人体若干关键点在三维空间中的坐标的问题。人体姿态估计能提供关于人体运动和姿态的丰富几何信息,因此在人机交互、机器人、人类行为分析、游戏设计、虚拟现实、视觉监控等领域有着广泛的应用。尽管诸多研究人员在此领域投入了大量努力,单目三维人体姿态估计仍是一个十分具有挑战性的研究问题。其主要难点在于人体姿态的高自由度、图片深度信息的缺失带来的固有深度歧义问题、图像背景的复杂多样以及多样化训练数据的缺乏等等。尽管借助专业设备能够部分地缓解这些难题,但是这些设备往往是专用而昂贵的,极大地限制了其应用范围。因此,如何从普通相机拍摄的彩色图像中估计出三维人体姿态引起了越来越多研究人员的兴趣和注意力。本文首先提出了人体姿态的双向依赖模型,并设计了基于双向依赖模型的渐进三维人体姿态估计方法。具体来说,由于人体独特的生理结构,不同的身体部位有着不同的自由度。身体各关节点自由度的不同导致了估计三维人体姿态时各关节的难易程度的不同,从而进一步导致了各个部位的估计精度不同。传统三维人体姿态估计方法对人体各个部分一视同仁,使得该问题更为明显。为此,我们根据自由度的高低,将人体关节点分为三组。按照自由度从低到高分别为躯干、近端肢体关节点和远端肢体关节点。我们将较难的高自由度的关节点当作较容易的低自由度关节点的依赖变量;反过来,前者又可以看作给后者的位置施加的一个约束条件。为了进一步提高高自由度部位的预测精度,我们提出了姿态属性估计,即学习肢体关节点相对于自由度最低的躯干的相对位置。姿态属性是从图像中学习的额外的图像信息,并被输入到姿态估计模块来提供先验信息,以帮助估计三维人体姿态。该方法在Human3.6M、MPI-INF-3DHP等数据集上取得了当前最佳的效果。传统三维人体姿态估计方法一般先做二维关键点检测,再将二维坐标逆向映设到三维空间。我们论证了这类方法过于脆弱的缺点,不能应对实际应用中很常见的关键点缺失、重度遮挡等情况。为此,我们提出一种简洁、优雅而鲁棒的三维人体姿态估计方法来解决这类问题。我们的方法并不用检测离散化的二维关键点,而是检测图像中人体各个部位的区域并估计对应的二维和三维方向,然后结合三维方向和内嵌的人体模型来生成最终的三维人体姿态。这样做的优点是,即使人体的某一部分未在图像中出现,我们的方法也能利用可见的局部图像信息来恢复完整的三维人体姿态。例如,如果踝关节未在图像中出现,我们的方法可以根据小腿的三维方向来转动人体模型骨架从而推断出踝关节的三维位置。有些情况下可能连续两个关节点都不可见,例如整个小腿都在图像外或被遮挡了。为了应对这种问题,我们还提出了一个姿态补全网络。该网络可利用可见部分的三维信息来推断不可见部分的三维位置,从而产出一个完整而合理的三维人体姿态。姿态补全网络进一步提升了我们方法的鲁棒性。在室内数据集Human3.6M上,就平均关节点位置误差而言,我们的方法取得了与当前最好结果相当的性能;在做普氏分析进行刚性变换对齐后,我们的方法取得了当前最佳效果。在野外数据集MPI-INF-3DHP上,我们在没有用该数据集训练的情况下取得了当前最佳结果。此外,在对测试图像施加随机平移、随机遮挡、随机擦除、随机边框扰动等人工干扰的情况下,我们方法仍然能够保持较高精度的人体姿态估计结果,而且大幅优于多个当前最好的方法,证明了该方法的鲁棒性。以上两个工作均是从图像中估计人体三维姿态。我们还探索了其逆向任务,即利用给定的三维姿态生成对应的人物图像的问题。该任务的目标是,给定任意一个目标三维人体姿态和一张源图像,根据源图像中的人物外表生成在原背景下做目标三维姿势的新的人物图像。以往的人物图像生成技术一般是利用二维姿态来描述目标姿态的。由于缺乏深度信息,二维姿态在自遮挡等情况下会有明显的歧义,导致生成错误的图像。为了解决该问题,我们提出了利用三维人体姿态来生成人物图像的解决方案。我们利用部分关系场来表示目标姿态的三维结构和在图像中的二维位置。与基于二维姿态生成的图像相比,我们生成的图像有更准确的图像细节,例如正确的自遮挡关系、亮度、人脸朝向等等。除此之外,传统的图像生成器一般直接输出目标图像。与此不同的是,我们的方法是预测目标图像与源图像的差分图像,而不是直接输出目标图像。这种方式使得图像生成网络能够重点关注生成图像的前景,且能够显著减少图像背景中的噪音和人工痕迹。我们在Human3.6M数据集的15种不同动作视频序列上测试了我们的方法。大量的实验证明了,我们提出的方法能够生成明显好于基于二维姿态的方法生成的图像。在给出一个目标姿态序列的情况下,即使是目标姿态是来自不同演员、不同动作的,我们的方法也能够生成在时域上平滑一致的图像序列。这表明我们的方法在生成高质量人物视频的任务上有着巨大潜力。