人体姿态估计是一种定位人体肩膀、手肘、手腕、膝盖和脚踝等人体关键点位置的技术,在实际生活中有重要实用意义。在深度学习的推动下人体姿态估计取得了快速发展,目前主要是通过回归热力图定位人体关键点,另外在实现多人场景下人体关键点分组时,目前的方法没有很好的利用人体关键点之间的关系和人体结构特点约束。针对以上问题,本文着重研究了基于深度学习的人体姿态估计相关技术。首先,回归热力图方法的准确性受卷积神经网络输出尺寸影响,一般希望较大的输出尺寸,而大的输出尺寸导致计算量增加,为此提出了一种基于网格编码的单人姿态估计算法。先在图像上划分网格后,通过网格输出概率粗略定位人体关键点,再根据网格输出偏移位置精确定位人体关键点。实验结果表明,这种由粗到精的人体关键点定位方式使得网格尺寸可以小于热力图尺寸,同时达到较高的定位准确度,在设计卷积神经网络时不需要上采样结构,可以减少卷积神经网络的计算量。其次,实际应用场景中人体数量往往是不确定的,面临将检测到的人体关键点分组到具体的每个人体的问题,在上述单人姿态估计算法基础上,依据人体结构特点约束提出一种多人姿态估计算法。该算法旨在构建人体关键点与其人体中心之间的联系,先通过卷积神经网络预测人体中心向量并将人体关键点指向其人体中心,然后分析人体关键点指向的人体中心的距离从而完成对人体关键点分组,进而实现对多人的姿态估计。实验结果表明,该算法在准确率上能达到与相关典型算法相当的检测效果,并且在测试速度上具有一定优势。最后,实现了一种基于人体姿态序列的动作识别方法,利用上述多人人体姿态估计算法提取出视频中每帧画面的人体姿态,并结构化人体姿态序列为特定图像,搭建卷积神经网络对特定图像分类进而实现视频段内人的动作识别。实验结果表明,该动作识别算法与其他相关典型算法相比,具有较高的识别正确率。