深度歧义一直是阻碍3D人体姿态估计实际应用的重要挑战。随着神经网络的引入,3D姿态估计的性能长足发展,对上下文提取方法的改进则是研究热点之一。但是,目前仍存在以下问题影响深度歧义的缓解效果:其一,主流研究将二维视觉任务的上下文提取方法迁移到3D姿态估计,但人体的纹理边缘等显著特征与关键点深度的联系较弱,3D姿态估计对噪声更敏感;其二,姿态多样性要求上下文提取方法具备强大的姿态迁移性能,研究者针对性地提出多阶段估计和优化,但仅根据人体物理约束或局部语义约束,很难应对关键点偏移和缺失等问题;其三,关键点相对深度和绝对深度是异质的,绝对深度描述了关键点与摄像平面的距离,单纯依赖人体上下文无法缓解绝对深度的歧义性。针对上述问题,本文首先研究从图像估计3D姿态的噪声抑制方法;进而探索更合适的人体约束,分阶段优化3D姿态估计;最后综合图像空间和鸟瞰空间的优势,促成人体上下文和场景上下文融合。研究内容分别从噪声、姿态多样性和关键点深度异质性三个角度缓解深度歧义,联合构成一种高效的多人3D姿态估计网络。具体如下:通过分析从图像提取人体上下文过程中的随机噪声和认知噪声,提出噪声抑制的人体姿态估计网络,包括关键点区域提议模块和姿态感知的稀疏关系模块。前者通过显式限定图像中关键点的显著区域过滤随机噪声,后者通过模拟噪声传播和关键点交互判断关键点关系的有效性,抑制认知噪声。通过互信息分析关键点间的物理和语义约束,提出联合静动态关系的3D人体姿态估计方法:基于互信息分组和分级人体关键点;设计级联估计及多分支特征共享网络关联物理相关的关键点,设计多分支注意力机制从全局特征感知关键点分组间的姿态语义,分别建模静、动态关键点关系;姿态语义约束容易受到类别不平衡问题干扰,为此进一步提出类别平衡的姿态重组方法,均衡模型对各类姿态的关注度。通过对比图像空间和鸟瞰空间的特点,提出动态鸟瞰特征提取方法,在鸟瞰空间中提取场景上下文估计关键点的绝对深度。鉴于鸟瞰空间凸显了人体在场景中的位置,但牺牲了人体高度等实例信息,该方法从图像空间动态生成卷积权重,促成两种空间优势互补。