根据人体的图像或者视频序列自动的提取图像中的人体姿态信息是机器视觉领域的研究热点。利用人体姿态估计方法，可以使得计算机系统根据摄像机系统拍摄的视频信息提取出人体的姿态，然后根据姿态的变化对人体的行为进行分析和判断，这大大提高了机器视觉系统的智能化程度。由于人体姿态变化、人体骨骼结构差异、视角变化、衣着不同以及光照变化等诸多因素的影响，导致三维人体姿态估计具有很高的难度。特别是单目环境下的人体姿态估计更加困难，因为存在自遮挡和深度信息的丢失等导致姿态不确定的因素。本文提出一种新的基于单目视频的人体三维姿态估计方法，该方法采用人体关节角度来表示人体姿态，用多尺度空间中的方向梯度直方图计算人体外观特征，通过相关向量机算法估计三维人体姿态。与人体姿态估计方法中常用的形状上下文、尺度不变特征变换等方法相比，方向梯度直方图表达的人体外观信息比较完整。为了不因为局部信息的梯度幅值太大而影响人体姿态估计过程，本文采用多尺度方向梯度直方图，这是一种在多尺度空间计算人体图像特征信息的方法。它能完整的表达不同尺度下的人体形状的轮廓信息和人体内部纹理的细节信息。本文还将多尺度梯度直方图与人体姿态剪影相结合，以此来去除背景的干扰，增强算法鲁棒性。现在大部分人体姿态估计算法进行人体姿态估计多采用基于关节点的方法表示人体姿态。该方法用人体关节点在全局空间的位置来表示人体的姿态。这种方法一方面维数太高，另一方面在单目环境下对视角变化敏感。本文用人体各个关节的自由度来表示人体的姿态克服了基于关节点的方法的缺陷。实验结果表明，采用本文所提出的方法能够在单目摄像头环境下对三维人体姿态进行准确的估计。同时，在摄像头角度变化的情况下，本文的方法也能够准确的估计人体各个关节的自由度。这表示本方法对于摄像头角度变化具有鲁棒性。