人体姿态估计作为一个更注重于理解“人”的学科,是计算机视觉领域的一个重要研究方向,受到广大研究者的关注。人体姿态估计分为稀疏姿态估计和密集姿态估计,前者从图片或者视频中估计人体二维或者三维关键点的位置,而后者则能够重建人体密集点的姿态以及人的体型信息。复杂多变的环境和人体复杂灵活的结构均会给人体姿态估计带来困难,而由于相机采集视角导致人体局部部位的遮挡问题,更使得精准姿态估计的难度加大。本文基于深度学习网络,针对这些问题展开分析和研究,主要的工作和创新点如下:1)复杂环境下人体复杂姿态的估计精度很难保证,针对这一问题,本文基于对人体关键点之间连接关系的分析研究,提出了一种主干网络级联分支特征增强网络的模型,实现精确的人体关键点的二维姿态估计。首先,主干网络学习所有关键点的特征信息后。计算关键点之间的互信息并将其分组;然后,提出热图指导的分支交叉结构,并对各分支设置自适应调节的权重,从而构成分支特征增强网络来预测各组关键点。所提的网络结构减少了弱相关的关键点间的信息互扰,增强了分支网络对相应关键点的推理能力,最终提高了人体关键点二维姿态估计的精度,并增强了网络对于复杂姿态的泛化性。2)密集点的三维人体姿态估计可以从图像中重建人体的三维体型,但由于相机视角的原因经常存在遮挡问题和深度歧义性问题,针对这些问题,本文提出了一种多视角融合的密集点三维人体重建技术。为了对多视角图片中人体的同一点建立起多视角间的关系,本文利用一种新型的映射关系将多视角的局部特征融合到一个统一的特征空间中,以学习多个视角下人体三维模型的形状一致性,最终通过融合多分辨率特征的塔型网络得到各个视角下的人体模型。此外,网络可以兼容多个视角图片和重复的单视角图片的预测。本方法精确地构建起多个视角间的关系,使不同视角的信息精确地融合在一起,与国内外先进的多视角人体重建方法相比,本文算法进一步地降低了重建误差。对于多视角的预测,三维关节点在刚性对齐后误差降低了17.04%,在相同模型下,单视角的误差降低了22.34%。