单目图像的三维人体姿态估计问题是近些年的热门研究课题,研究成果可应用于智能人机交互、智能视频监控、虚拟现实和图像检索等多个领域。然而,从单目图像中推测人体的三维空间结构包含诸多难点,如遮挡问题、深度信息缺失问题和人体姿态歧义性问题等。本文基于两阶段的方法预测单目图像三维人体姿态,首先利用先进的二维关节探测器估计图像的二维姿态,然后以二维关节坐标作为输入数据回归三维姿态。针对于数据类型的不同,分别探究了从单张图像和序列帧图像中预测三维姿态的算法过程,其主要工作概括如下:(1)基于分组回归的三维人体姿态估计。结合人体运动独立性特点,对单张图片三维人体姿态估计算法基线进行改进,提出了分组回归网络,以提高对输入数据的利用程度,并且加强人体中强相关关节点之间的联系,避免弱相关关节点之间的错误影响。首先,将需要预测的人体主要关节点划分为左手、右手、左腿、右腿和主体五个部分;然后利用相同结构的网络分别回归五组关节点;最后将预测结果合成为三维姿态。为了使预测结果更符合正常姿态,分组回归的输出还需要通过一个自约束的语法网络,调整输出至与人体运动惯性特点相适应。在多个公开数据集中的实验结果表明,分组回归到自约束调整的方法优于目前的一些先进方法。(2)基于时序卷积的三维人体姿态估计。为了避免单张图片中的关节遮挡导致预测难度提升,本文选择以视频序列中的二维关节运动轨迹作为三维人体姿态预测模型的输入数据。参考二维关节探测网络的设计理念,对原时序卷积模型加入了中间监督结构,以及采用池化函数替换了原网络中的切片函数。中间监督结构让每一个时序卷积模块都输出一个三维姿态参与网络的损失函数的计算,池化函数保障了残差连接结构中累加数据的特征完整性。此外,针对于二维关节运动轨迹中存在的噪声点对预测结果的影响,设计出二维关节滤波器,以定位并修正较明显的噪声点。在常见的三维人体姿态数据集中的结果表明,改进后的模型具有更高的精准度和出色的抗噪能力。