三维人体姿态估计的目标是在三维空间中预测人体关键点的位置。由于其具有广泛的应用前景,如:动作识别、增强现实和训练机器人等,因此一直是计算机视觉领域的研究热点问题。特别是近年来随着深度学习的不断发展,提出了诸多不错的三维人体姿态估计算法,但是依然存在很多问题有待解决。比如在单目3D姿态估计任务中,四肢关节（即腕、踝等）的自由度大于其他关节（即髋、胸等）。从而使得估计误差会沿着人体部位的生理结构累积,而且其时序轨迹更复杂。另外,3D人体姿态估计根据不同的因素已经发展成多种框架,涉及相机数量、视频序列长度以及是否使用相机校准。这些框架相互不兼容,严重限制了3D姿态估计算法的部署灵活性。针对上述问题,本文分别提出了两种姿态估计算法来提高模型的准确率和通用性,其主要工作和贡献概括如下:针对单目姿态估计中四肢误差累积的问题,提出一个基于骨骼角度的三维姿态估计算法（Limb Net）。该算法模型包括一个运动学约束网络以及一个轨迹感知模块。运动学约束网络包含两种约束,即相对骨骼角度和绝对骨骼角度,前者用于构建相邻骨骼之间的角度关系,后者用于构建骨骼与相机平面之间的角度关系。轨迹感知模块将关节的时序轨迹作为输入,并生成融合的姿态。在运动学约束和轨迹网络的作用下,缓解了误差沿四肢累积的问题。Limb Net在四个常用的数据集上进行了实验并验证了算法的有效性。针对多目姿态估计中模型通用性差的问题,提出一种兼容各种相机配置的统一框架（MTF-Transformer）。MTF-Transformer可处理不同相机数量的可变长视频,并兼容相机标定和未标定场景。它由特征提取器、多目融合变换器（MFT）和时序融合变换器（TFT）组成。特征提取器从图像预测2D信息,并将其编码成特征向量;MFT通过相对注意力模块自适应地度量相机之间的隐含关系并重建特征;TFT聚合可变长时序特征,并输出3D姿态。通过这些模块,MTF-Transformer可以处理不同的应用场景,从单目单帧到多目视频,相机标定到未标定。MTF-Transformer在三个常用数据集上进行了定量和定性实验,实验表明该算法可以很好地应用到其它动态相机场景。