人体姿势估计广泛应用于智能视频监控、人机交互等领域,是目标分类和行为理解的基础,同时也是计算机视觉研究领域的重要课题之一。但是由于复杂多变的背景、姿势和着装的变化,使人体姿势估计成为一个比较困难的问题。本文从定位人体、降低姿势空间、以及检测人体模块三个方面对人体姿势估计算法进行了研究,其主要研究内容如下：1)针对人体姿势估计容易受背景影响,提出通过对图像做预处理,减少图像中部分背景影响,利用基于可变形模块的检测器检测出人体的大概位置,并结合人脸检测器优化检测效果,为使检测框能适应后续的姿势估计,提出根据人体比例调整检测框的大小,使其在减少背景影响的同时,不丢失前景中人物的信息。实验表明,这样的预处理对于包含多人的图像和人在图像中所占比例较小时,对后续的姿势估计帮助更大。2)针对现有姿势估计方法的搜索空间过于庞大,造成推理过程慢,准确度低。因此,我们提出将人体检测所获取的检测框作为GrabCut的输入,分割图像中的前/背景,去除检测框中的背景,将搜索空间限制在由GrabCut确定的前景区域；然后结合边缘模板和区域模板做推理,得出最后的姿势估计结果。实验结果表明这种方法使姿势的搜索空间是少量但可靠的人体模块候选,使推理算法在保证了准确度的同时,也提高了算法的时间性能。3)针对现有的方法没有考虑人体各模块的位置关联信息,本文利用预处理得到的检测框,在已改进的方法上进一步提出了位置先验的概念,即人体各模块相对于检测框框位置,并结合位置先验和图像的颜色直方图信息来获取测试图像中的人体各模块的具体位置,从而估计人体姿势,最后通过实验表明结合了位置先验的方法得到的姿势后验更准确。