人体姿态估计和行为识别在计算机视觉领域中一个非常热门的研究问题。在本课题中,我们主要探讨了静态二维图像中的人体姿态估计和行为识别的问题,并提出了一个新的方法进行人体姿态估计并且识别图片中的人体行为。这是一项非常有挑战性的工作,因为人体姿态有很高的自由度并且缺少运动线索。为了克服这一缺点,我们基于混合部件模型采用分治的思想细分了人体姿态的类型。我们构建了一个姿态专家的集合,集合中的每一个姿态专家可以的描述一种类型的姿态,这些姿态比较相似或者是同一种行为的姿态,因而我们采用了这两个方案构建姿态专家集合。实验结果显示两种方案都可以在困难的条件下提高姿态估计的精度。我们在两个公开的数据库上对我们的模型进行了测试,实验结果表明我们的模型在姿态估计和行为识别两个方面的精度都有显著提高。在行为识别中,我们参考了之前得到的姿态估计专家的估计结果,结合姿态估计模型提出了一种新的静态图像中行为识别方法。与其他方法不同的是,我们直接把每个姿态专家的姿态估计所得到的形状向量作为动作识别的依据,通过姿态估计模型得到静态图像中的人体的若干个姿态向量。本文中我们使用了一种新的姿态表示方法,使得这种姿态表示模型能够概括不同类别动作间具有判别信息的特征。由于每个姿态专家对测试图像都有一个行为识别的预测,这里我们提出了一种改进的加权投票方法进行行为识别,具体来讲就是把每个姿态专家的姿态估计精度值作为置信度,并以此来调整姿态专家在行为识别的权重。我们在一个非常困难的数据库上对行为识别模型进行了检测,实验结果表明我们的模型非常有效,并且能在一定程度上容忍不太准确的姿态估计结果。