通过图像或视频进行人体三维姿态参数估计是当前计算机视觉领域的研究热点之一,其中包含的深度信息对于虚拟现实、智能监控、无人驾驶、游戏动画等技术具有很重要的意义。然而从视频图像中估计人体姿态面临着数据集限制、人体姿态歧义和严重的遮挡等问题。本文主要研究二维关键点序列作为输入的两阶段人体三维姿态参数估计方法,实现输入视频序列中的人体姿态深度信息更准确估计和可视化。本文的主要研究内容如下:1.研究了基于序列图卷积和时间卷积网络的人体三维姿态估计方法,主要将用于动作识别的时空图卷积网络结构应用到人体三维姿态估计中获取序列图结构的空间特征、时间特征。针对时空图卷积网络在输入序列长度较大时,存在建立序列图结构体积较大导致的计算量大和网络训练时间长的问题,使用时间卷积网络模块在提取时间特征的同时减小序列图结构体积的特性对时空图卷积网络进行改进。在公开数据集中训练结果表明基于序列图卷积和时间卷积的方法优于目前的人体三维姿态估计中的一些典型方法。2.研究了基于图注意力的人体三维姿态估计方法,主要使用图注意力机制对时序卷积网络方法进行改进。利用图注意力网络解决时序卷积网络中只获取时序特征而未使用空间特征信息的问题以及图卷积方法中对于邻接节点权重分布相同,导致的空间信息相关性获取受限的问题。根据节点之间的相关性程度为不同的节点分配不同的权重,通过邻接矩阵区分节点间的邻接关系来获得节点间的局部特征信息。结合时序特征和空间特征,在公开数据集上测试表明基于图注意力方法的三维估计结果与原始时序卷积网络方法相比有明显提升。3.研究了视频的人体三维姿态估计及可视化,通过搭建一个姿态估计可视化平台,可以对输入的任意网络视频进行三维姿态估计并获得可视化结果。研究由于二维姿态估计坐标值过渡不连续导致的三维估计结果抖动问题,采用平滑滤波器对二维估计值进行预处理后再调用三维模型进行姿态估计,使得可视化效果更接近真实视频。实现了以客户端和服务端为基础的数据文件收发一体化姿态估计平台。经理论分析及网络视频测试表明,此姿态估计平台能较好的获得三维姿态可视化结果。