人体姿态估计的目标是自动获得视频或图片中的人体各个部分的位置。其在很多领域中都有着重要的应用，比如人机交互、游戏、虚拟现实、视频监控、运动分析和医疗辅助等。这使其成为了近年来计算机视觉领域十分热门的研究课题。
　　本文提出了两个人体姿态估计方法，分别用于解决二维多人和三维多人的人体姿态估计问题。二维多人姿态估计方法结合了传统的自顶向下和自底向上的方法。具体来说，该方法以自顶向下的方式执行神经网络前馈，然后以自底向上的方式在人体边界框的约束下解析人体的姿态。与过去的自顶向下的方法相比，该方法对边界框的位移和形变更加稳定。通过一个全新的多阶段的残差网络，从原始图像中提取特征，并训练网络以学习关键点的置信度图和关键点之间的连接关系。在测试过程中，使用预测的置信图、连接关系和边界框来解析所有人的姿态。三维多人姿态估计方法首先获取二维关键点位置，然后通过在视图之间寻找关键点之间的关联匹配关系以获得三维姿态。在该方法中，使用了一个多图像匹配算法将所有视图中检测到的二维关键点关联起来，当关键点在多个视图中匹配之后，就可使用最小生成森林算法在多视图中重建三维姿态。与自顶向下方法相比，该方法无需在二维图像上使用人体检测器，且无需对不同视图中的姿势进行匹配。多视图的约束使该方法可以纠正二维估计中的错误估计。在多个数据集上进行的实验表明，这些方法与其他最新的方法相比，都可以在合理的运行时间下显著降低姿态估计结果的误差。进一步的，作为应用，使用提出的方法建立了三维人体姿态数据集，数据集包含在室内外场景中拍摄的上百个单人或多人视频序列，并且通过实验验证了数据集在人体姿态估计问题上的可用性。