人体姿态估计方法主要包括部位关系模型、部位外观模型和推理算法三部分。由于传统方法的部位关系模型不能约束对称部位的关系,会使检测结果出现对称部位上的误判问题。传统方法通常提取部位的HOG特征来建立部位外观模型,由于HOG特征不能充分表达部位的形状特征,会使部位外观模型不能准确的检测出部位的位置信息,因此本文的研究工作主要改进部位关系模型和部位外观模型。首先在混合PS模型的基础上,提出了一种基于连接关系和对称关系的人体姿态估计方法,该方法改进了部位关系模型,解决了出现在人体对称部位上的误判问题。该方法不仅将相互连接的部位之间的空间位置关系考虑在内,而且还考虑了具有对称性的部位之间的空间位置关系。该方法使用角度关系来衡量人体两个下肢之间的对称程度,另外结合使用HSV颜色直方图和SIFT特征来衡量肢体的对称程度,综合人体部位的连接关系和对称关系来估计人体姿态。通过实验证明,该方法解决了出现在人体对称部位上的误判问题,提高了人体姿态估计的精度。然后提出了一种基于卷积神经网络(CNN)的方法来改进部位观测模型。人体每个部位对应一个CNN,将CNN的最后一个全连接层映射为一个二维矩阵,二维矩阵的每个元素分别对应图像的一个局部区域,元素的值代表局部区域与人体部位的相似程度,可以从该元素的值来判断对应区域是否为人体部位。每个部位的CNN都会检测出多个候选区域,从各个部位的候选区域中选出最佳的部位区域。实验结果表明,该方法能够充分表达部位的特征,提高了部位模型检测部位的准确率。