着装场景下的人体姿态估计能有效提高虚拟试穿的真实性和动感展示,因此,准确估计出着装图像中的人体姿态,对辅助二维虚拟试穿具有重要作用。本文针对时尚着装场景中由于服装款式多样、背景干扰、着装姿态多变等因素,导致着装人体姿态估计精度较低的问题,以时尚街拍图像为例,首先,通过爬取大型时尚街拍图像网站Chictopia,并结合在线图像搜集获得数据集原始图像,使用Label Me对图像进行精细的人体信息标注,以构建时尚着装图像数据集;然后,通过姿态聚类定义时尚着装场景下的姿态类别损失函数,并在堆叠沙漏网络基础上增加多尺度损失与特征融合构建姿态表示模型;最后结合着装部位分割约束人体关节点定位,优化得到更加精确的姿态估计结果。实验结果表明,该方法能够有效地提高着装人体姿态估计精度。首先,针对时尚着装场景下的人体检测精度不高的问题,提出一种基于改进双阶段检测器的着装人体检测模型,该方法首先改进双阶段检测器Faster R-CNN算法的特征提取网络,提高着装人体特征提取效果;然后,重新设置默认锚框尺寸以适用于着装人体检测框比例,并使用区域候选网络生成初步的包含前景的区域候选框;最后,在ROI池化层采用ROIAlign逐像素对齐方式,获得固定尺寸的特征图并输入到全连接层,得到着装场景下精确的人体检测结果。然后,针对着装人体空间背景复杂、服饰穿着纹理颜色多样导致人体关节点特征提取困难以及多变的着装人体视角位置导致人体姿态估计网络学习困难,提出一种时尚着装场景下的人体姿态表示模型。1)基于对时尚着装图像数据集中着装人体姿态聚类得到的姿态模板,定义姿态类别损失函数,并结合欧氏距离损失函数构造姿态表示模型的多尺度损失,提高网络对着装人体姿态变化和不同视角下人体姿态估计鲁棒性;2)通过在堆叠沙漏网络基础上增加多尺度损失与特征融合,构建着装姿态表示网络,以学习关节点的局部和全局特征,解决着装图像多样的背景和人体穿着服饰对关节点特征提取的干扰,增强关节点的定位精度。最后,针对着装人体姿态可见性受到人体穿着服饰的干扰,导致人体姿态估计时存在关节点误定位问题,提出结合着装部位分割的人体姿态估计网络。通过融合残差网络的深层、浅层特征构建着装部位分割网络,使用着装部位分割信息对人体关节点定位进行约束,最后通过姿态优化,提升人体姿态估计时关节点的定位精度。