驾驶员姿态估计是人体姿态估计中的一个重要应用场景,在高级辅助驾驶系统中起着关键作用。作为一个中间层信息,驾驶员姿态估计可以帮助驾驶员状态检测系统识别驾驶员状态,判断驾驶员行为是否恰当且安全。一般来说,驾驶员3D姿态估计能够比2D姿态估计提供更多的信息。因此,驾驶员3D姿态估计成为了我们的研究方向。传统的人体姿态估计是基于可见光图像或深度图像,对于驾驶员姿态估计来说,可见光图像容易受到昼夜变化和环境等因素影响,难以在驾驶室内得到很好的应用。因此,我们选择To F相机来作为提供数据的传感器。To F相机能够同时捕获红外图像和深度图像,同时尺寸小巧、造价低廉,是适合车载系统的相机应用。在本文中,我们基于红外图像和从深度图像中转化来的点云数据,构建深度神经网络框架,充分利用红外图像和点云的特性,实现驾驶员3D姿态估计。本文具体研究内容如下:（1）提出了一种基于点云数据的3D人体姿态估计方法。设计了一个基于Point Net的深度神经网络,可以直接处理点云数据,进行3D人体姿态估计。对于现实场景下点云带有大量噪声的问题,我们采取了数据预处理和网络模块设计两种策略来解决。在驾驶员数据集和ITOP数据集上,通过实验验证了我们方法有不错的精确度。（2）提出了一种基于联合2D-3D网络的驾驶员3D姿态估计方法。为了充分利用To F相机捕获到的信息,设计了一个双分支网络,分别用两个单独的神经网络模块对红外图像和点云数据进行特征提取,之后再经由全连接层得到驾驶员3D姿态估计。为了满足现实场景下实时反馈的要求,我们采取了一系列措施来提高模型运行速度。相比于其他方法,实验表明我们的方法有更高的精确度。（3）提出了一种基于时间序列的驾驶员3D姿态估计方法。将联合2D-3D网络得到驾驶员3D姿态根据时间序列五帧一组构建数据集。设计一个基于循环神经网络的网络架构,进行驾驶员3D姿态估计的更正。通过实验表明,经过该模型处理后驾驶员估计精度比联合2D-3D网络结构更高,速度也能达到实时反馈的要求。