人体姿态估计是指对图像和视频中的人体骨骼关键点进行检测,从而确定人体姿态的过程,是计算机视觉的重要研究方向。准确的人体姿态估计是理解图像和视频中人物行为的关键步骤,能够作为行为识别、步态识别、人机交互等任务的基础,在视频监控、机器辅助诊疗、体感游戏、虚拟现实等领域具有广阔的应用前景。本文基于深度学习方法,对二维的单人姿态估计、多人姿态估计、基于视频的姿态估计进行了递进的研究。1.针对单人姿态估计中的遮挡、光照、复杂背景等因素的干扰,本文设计了一个同时具有较高的分辨率和较大的感知范围,既能够精确定位,又能够建模高阶空间关系的姿态估计网络。对于不同关键点的检测难度不同的问题,本文提出了一种具有一定通用性的在线困难关键点挖掘方法。通过对比实验和可视化分析验证了模型的高效性。2.针对多人姿态估计中自底向上方法的关键点相关性建模问题,本文提出了肢干检测热图用于表征关键点的相关性,并通过姿态估计网络进行学习。对于姿态估计网络训练中存在的数据不平衡问题,本文提出应用焦点损失函数来进行训练,提升了网络的性能。本文对姿态估计推断过程进行优化,减少了冗余计算,提升推断效率。3.针对视频姿态估计中的运动模糊、遮挡等问题,本文提出了一种在关键点层级结合光流对视频多帧之间的相关性进行建模的方法,通过可视化分析展示了本文方法的有效性。