无标记的人体运动捕捉是计算机视觉和计算机图形学中一个受欢迎且具有挑战性的话题。其主要任务是通过跟踪视频中移动物体的运动来恢复动态3D形状的时间连贯表示。近十年以来无标记的单人运动捕捉有了极大的发展,然而现有的方法需要小心的调整相机以及操作控制台,并且极大程度上依赖分割技术。在多人的情况下,由于多人分割和姿态估计的困难,直接将现有的单人运动捕捉技术应用于多人情形是无法产生令人满意的结果。尽管某些方法可以处理多人情形,但捕获的场景十分受限,同时仅限于非常简单的交互,而不会有相互遮挡,例如面对面打篮球。但是,现实活中多人之间的交互通常非常紧密,例如,拥抱、双人舞蹈或者拳击等等,这在游戏和电影场景中也是十分常见的。因此,重建紧密互动的人的形状和姿态对于现有的实际应用是十分重要的。据我们所知,现有的方法都无法完全自动地同时估计紧密交互下多人人体的3D形状和姿态。更重要的是,由于存在巨大的歧义性,无法将常用的特征（例如颜色,边缘或关键点）分别分配给每个人。当人们密切互动时,由于遮挡,截断和固有的歧义性,问题变得更加复杂且更具挑战性。在本文中,我们提出了一种新的无标记的人体运动捕捉方法,自动的从多人紧密交互的多视角视屏中实现人体的3D姿态和形状估计,本工作的内容和具体贡献如下:1.多人紧密交互下的全自动人体姿态和形状估计:我们的方法不需要对每个人进行手动干预调整,不需要进行人体模版模型的扫描,并且也不需要对图片中的每个人进行分割操作,极大的减少了操作的复杂度。同时在另一方面,使用是非常灵活的,并且计算复杂度较低（在没有GPU加速的情况下,每个人大约仅仅1分钟）。2.多人空域和时域的姿态跟踪:通过考虑时域以及空域的对应关系,来推断多视角下每个人的2D人体姿态顺序,用于后续的人体3D姿态和形状拟合估计。我们的跟踪策略使用了人体边界框和人体姿态边界框信息,这有助于减少由于仅仅使用单人信息而产生估计结果的奇异性,使得估计值更加准确和有效。3.多视角3D人体姿态和形状估计:先对多视角下的人体进行2D人体关键点检测,接着对其进行空域和时域的联合跟踪,然后基于多视角约束,使用检测和跟踪后的关键点进行人体姿态和形状的拟合。多视角下姿态和形状的估计通过最优化的方式来求解姿态和形状参数,基于多步求解优化,使得优化的结果更加鲁棒和合理,避免了局部最优情形。