视频分析技术是研究人体与动物体姿态、动作与行为的重要技术手段。而姿态估计是动作表示与识别的关键环节,有着重要的研究意义。本文在水产养殖监控视频下利用视频分析技术研究条纹斑竹鲨鱼体姿态估计算法,在研究人体姿态估计中基于部件模型方法的基础上,实现从人体姿态估计到鱼体姿态估计的迁移。姿态估计是视频行为识别和分析的基础。本文在灵活混合部件模型（FMP）基础上提出语义部件模型对条纹斑竹鲨鱼体进行建模并求解其姿态,捕获到准确的鱼体关键点信息。该方法将语义部件作为检测重点,而非传统的关节点。对鱼体每一个部位使用混合滤波器模板以捕获局部外观的HOG特征,对部件关系进行空间编码以确定各个部件之间存在的共现关系。针对鱼尾较高的灵活性与细微的轮廓特征,区分性地训练多种类型的混合模板,同时设计了一种独特的条斑鲨树形结构,这种树形结构指明了得分函数信息的传递方向。针对混合部件增加的同时造成的复杂度增高与推理时间增加问题,提出利用图像分割减小搜索空间的姿态估计算法,该方法首先获取鱼体的前景区域,并在该区域进行后续的姿态估计,最终将训练得到的混合部件表示条斑鲨鱼体的姿态。实验证明,基于语义部件模型的鱼体姿态各个关键点检测的平均PCK为87.2%（尺度因子a=0.1）,相比于FMP模型准确率有所提升,并在较短时间推理鱼体姿态。该方法能进一步提高准确率且很大程度上提升算法速度,且利用检测到的姿态关键点能够有效表示和描述目标动作。最后分析了鱼体的姿态参数,包括类型、位置、角度参数,利用得到的鱼体骨架信息将姿态和动作进行参数化显示,并结合姿态关键点信息提出基于SVM的姿态分类方法,该方法利用胸腹鳍之间的距离联合构建二维特征向量,在左转、右转的分类准确率为98.86%,证明了本文所提出的鱼体姿态估计与识别方法的有效性与准确性。