三维人体姿态估计一直是计算机视觉研究的重要领域。它是人体动作分析和理解的重要前提,通过从图像中估计人体关节点坐标等参数,对人体在三维空间中的姿态进行重建,在虚拟现实、视频监控、体育运动分析等领域都有着广泛的潜在需求。近年来,随着深度学习技术的应用,三维人体姿态估计技术得以飞速发展。本论文的研究内容是基于深度学习的三维人体姿态估计方法,并通过相机姿态的估计最终将人体三维坐标还原到世界坐标系下。首先提出了一种二维姿态估计与三维姿态估计联合训练的端到端网络,然后提出了一种基于图卷积的二维姿态到三维姿态估计的网络,最后利用真实场景下的图像特征估计出相机姿态从而把三维人体姿态还原到世界坐标系下。本文的贡献具体如下:(1)提出了一种利用二维姿态估计与三维姿态估计联合训练的端到端的三维人体姿态估计方法。其中利用二维姿态估计结果构造了一种人体部位表示特征图来辅助三维人体姿态估计,并设计了一种针对三维姿态估计的多阶段渐进式的校准网络,该网络比基准网络在Human36M数据集测试集上的平均关节误差的降幅超过14%。(2)提出了一种基于图卷积的二维人体姿态到三维姿态估计方法。其中提出了一种改进的GCN结构来融合多尺度信息以增强表达能力,此外又提出了一种身体部位金字塔池化模块来整合身体部位上的多层次的特征。与其它三维人体姿态估计方法在非时序的情况下比较,该网络达到了接近最先进水平的预测精度。(3)最后,本文针对运动场地提出了一种利用透视点优化的相机姿态估计方法。并利用相机姿态估计的结果将三维人体姿态还原到世界坐标下,展示了三维人体姿态估计在真实运动场场景中的应用。