人体姿态估计,作为计算机视觉领域的重要发展课题,近年来受到广泛的关注。单张图像的多人人体姿态估计方法,致力于在检测出图像中所有人的实例的同时,定位每一个人的所有人体关键点的具体位置。其作为理解图像或视频中的人的行为的基础,为动作识别、行人重识别、行人追踪、三维人体姿态估计、三维人体重建等后续任务的实现提供了重要的辅助。过去的多人人体姿态估计的方法,大多是基于两阶段的,具体地,可大致分为自顶向下和自底向上两种。其中,自顶向下的方法,先使用基于人体的目标检测方法,检测出图像中所有的人,然后针对得到的目标检测框对图像进行裁剪,将裁剪出来的图像通过单人人体姿态估计网络,最后将得到的人体关键点位置映射回原图像,得到最终结果。而自底向上的方法,首先检测出图像中所有的与人的实例无关的人体关键点位置,并同时学习一些抽象的,启发式的人体关键点组合方式。然后通过后处理的方式,对所有的人体关键点进行组合和分配,从而得到最终的结果。近年来,单阶段的多人人体姿态估计方法得到了快速的发展。其基于目标检测的范式,在估计图像中人的位置的同时,直接对其所有关键点的位置进行回归。在现有方法的基础上,本文针对模型的训练和测试过程的样本筛选问题,进行了深度的探索,提出了一种新的正样本定义方式,针对密集预测问题,在保证训练样本量的前提下,对预测的低质量姿势进行过滤。同时,本文还提出了姿势质量评估模块,对预测姿势的质量评估进行学习,从而在推理时,保证最终保留的结果分类正确且预测质量较高。最后,本文在公开基准数据集COCO上,通过大量实验,验证了提出的新的方法和模块的有效性。