随着大数据、人工智能技术的进步,计算机视觉领域受到人们的广泛关注,它的主要目的是创建可以像人类一样处理、分析和理解视觉数据的数字系统。本文主要研究了计算机视觉领域中的人体姿态估计和预测问题。前者是指从包含人的图像或视频中获取关节点的位置信息。后者是指在人体姿态估计的基础上,利用历史姿态位置信息预测未来一段时间内的姿态变化情况。目前,这两项技术已经被广泛应用于视频监控、医疗健康、自动驾驶等领域。本文的主要研究内容及贡献如下:（1）本文中研究了基于视频的3D人体姿态估计问题。当前的研究主要是针对视频中单帧图像进行的,由于每帧图像的姿态估计结果存在独立误差,所以这种方法会造成抖动、不连续的问题。为解决此问题,本文提出一种基于时序卷积的3D人体姿态估计算法,其能够利用视频帧之间的时序信息来改善姿态估计效果。本算法中,首先使用先进的目标检测和2D姿态估计算法估计出视频中人体的2D关节位置,然后使用本文提出的基于时序空洞卷积的2D-3D姿态提升网络将2D关节位置提升至3D空间。通过采用时间空洞卷积,可以有效扩大感受野,捕获姿态序列中的长期依赖关系。并且,与基于循环神经网络的模型相比,采用卷积神经网络的优势在于可以在批处理和时间维度上实现并行化。此外,本文中通过设计消融实验探究了 2D姿态估计算法以及本文提出的姿态提升网络的接收域对3D姿态估计性能的影响。最后,对3D姿态估计网络在Human3.6M数据集上的性能进行了评估。结果表明,与多种先进的3D人体姿态估计算法相比,本文提出的模型获得了最佳估计性能。（2）本文中研究了短期和长期两种场景下的人体姿态预测问题。当前基于深度学习的人体姿态预测算法主要是通过对神经网络结构进行改进来提升模型预测性能的。而本文整体上采用特征工程与神经网络相结合的思路,首先使用多尺度小波变换将原始姿态数据转换到新的特征空间,在新特征空间下的姿态序列具有原始序列中深层次、多维度、局部化的细节特征。然后,针对短期预测和长期预测的不同特点,分别提出了两种适用于不同场景下的姿态预测网络。短期姿态预测网络主要是基于seq2seq模型而设计的。长期姿态预测场景下信息丢失和误差累积问题严重,为解决此问题,本文在短期姿态预测网络的基础上引入注意力机制来改善长期预测性能。此外,通过设计消融实验探究了dropout率、小波分解方式以及分解阶次等因素对模型性能的影响。最后,对本文所提出的基于小波变换的短期和长期姿态预测模型在Human3.6M数据集上的性能进行了评估。结果表明,与基线模型和多种先进的姿态预测模型相比,本文提出的模型在长期和短期预测中均取得了最佳性能。