人体姿态估计是计算机视觉领域中一个关键问题，可以应用于人体活动分析，人机交互以及视频监视等方面，其主要是指从图像中检测出人体各部件位置以及方向和尺度信息。人体姿态估计常常被人们在视频跟踪环境中提起,近年来人体姿态估计开始转到静态图片人体姿态估计，这是因为这一问题对视频运动捕捉初始化起着非常重要的作用。本文正是从计算机视觉出发，对于基于视觉的静态图片中人体姿态估计进行了研究，主要做了以下工作：（1）介绍了一般情况下，图像目标的表示方式和图像特征的提取以及匹配，分别从图像纹理、边缘、颜色特征出发介绍图像特征的提取，以及点特征匹配，介绍了几种典型的点特征匹配算法。（2）人体检测算法在人体姿态估计中可以运用丰富的先验知识，如位置信息等，故本文提出了一种可扩展梯度直方图人体检测算法，根据人体特征差异性，使用非统一的区域方式提取图片梯度直方图描述算子，有效改善传统梯度直方图算法在密集人群检测中漏检率过高的情况。（3）建立了一个基于图模型结构的人体姿态估计框架。这种概率框架对每个部件观测模型和部件与部件之间的连接关系建模，同时支持有效的推断算法，给出了人体的图结构化模型和统计模型，以及模型的参数估计方法。（4）针对基于树形图的迭代人体姿态估计中容易受到背景干扰的这一问题，对人体部件观测模型进行改进，由于一般情况下人们穿着服装组成同质纹理区域，在衣服纹理和背景纹理规律性有很大的差别，本文提出了一种新的观测模型的迭代人体姿态估计算法即基于颜色和纹理的观测模型的迭代人体姿态估计，同时使用人体检测器和Grab cut分割算法减少搜索空间，实验表明，与其他算法比较，该算法提高了人体姿态估计正确性。