视频人体姿态估计已经成为分析人的行为的重要方法,现已广泛应用于智能监控和人机交互等领域中。单任务学习方法通过多层网络堆叠,提取关节点特征,完成人体姿态估计。多任务学习方法利用多个相关的任务,在有限的输入中可以获取大量与任务相关的信息,为人体姿态估计提供了一种新的思路。因此,本文以多任务学习为基础,研究了多任务学习上人体姿态估计网络结构设计以及后处理方法,并分析多任务学习对人体姿态估计检测效果的影响,主要完成了以下工作:针对视频中关节点的抖动与丢失问题,本文利用视频中人物运动的连续性,提出了基于动态规划的人体姿态估计方法DP-Pose。利用热图中的关节点作为候选关节点构成候选序列,通过动态规划算法从中求解稳定的关节序列,并通过实验验证了该方法可以有效的恢复未检测到的关节点,且能够有效地修正抖动的关节点。为了解决图像中关节点匹配出现歧义的问题,本文提出了结合目标检测的多任务姿态估计网络FRCNN-PoseNet。结合姿态估计中自上而下和自下而上方法的优势,利用目标检测得到的人体包围盒限制自下而上方法中关节匹配的区域,进而有效提升人体姿态估计的精度。针对视频序列的人体姿态估计问题,本文提出基于增强序列的多任务人体姿态估计方法MTS-PoseNet。采用视频序列作为多任务网络的输入,结合FRCNN-PoseNet网络结构,融合输入数据的时空特征,并对输入数据进行增强以提高模型的泛化性能。实验表明,增强数据提取时空特征对人体姿态具有很好的表达,进一步提高人体姿态估计的性能。论文的研究表明了多任务学习方法在人体姿态估计中的可能性,为后续研究多任务学习在人体姿态估计的研究上提供参考。