人体姿态估计作为处理人类活动的关键步骤,其主要内容是让计算机从图像或视频中定位出人物的关节点。人体姿态估计可分为传统的图模型方法和基于深度学习的方法。图模型方法过于依赖先验知识,难以应付复杂的姿态变换;基于深度学习的方法不依赖模型先验知识,并能取得更好的效果。人体姿态估计按维度可分为二维和三维两种,因为使用二维姿态估计进行推理可以得到三维估计,所以二维姿态估计有着重要的研究价值。现有的一些基于深度学习的二维人体姿态估计算法,存在以下问题:只使用最后一层的卷积特征、忽略卷积层之间的联系,容易造成信息丢失;只考虑人体关节点局部特征,忽略全局特征,容易造成关节点识别准确率低下;采用回归关节点坐标或分类预测关节点热力图的方式,容易造成关节点误判及精度受限;对于多人解析,传统方法从所有的候选关节点出发进行关节点匹配,容易产生错误的连接。本文针对以上问题展开深入研究,主要研究内容如下:(1)提出基于多级稠密块沙漏网络的单人体姿态估计算法。算法由以下部分组成:首先,利用稠密块进行特征提取,因为稠密块具有每层互相连接这一特性,所以可以极大减少整个网络的特征信息丢失;其次,利用沙漏单元实现多分辨率特提取并融合,即先从高分辨率降至低分辨率,再从低分辨率升至高分辨率,这种在多分辨率上进行特征采样并融合的网络结构,可以丰富全局信息,捕获并整合不同尺度的人体关节点信息;最后,对每个沙漏单元使用中继监督机制,用于缓解梯度消失。(2)提出基于深度学习的多人姿态估计算法。算法由以下两阶段组成:编码阶段(encoder)和解码阶段(decoder)。在encoder阶段,提出同时分类预测关节点热力图和回归关节点坐标的2-D偏移向量,进行关节点检测,可以实现更加精确定位关节点位置;使用部件关联字段进行关节点关联,部件关联字段具有在低分辨率激活图上存储细粒度信息的能力。在decoder阶段,提出采用Hopcroft-Carp算法进行多人姿态解析,Hopcroft-Carp算法将一个K分图匹配问题转变为二分图匹配,能够极大提高准确率且减少时间复杂度。为验证本文提出的两种模型的性能,分别对其在FLIC、MPII和MS COCO数据集上进行训练和测试。实验结果表明:基于多级稠密块沙漏网络准确率均高于其他几种单人姿态估计算法,且对于手肘和手腕这些比较难以预测的小关节尤为显著;基于深度学习的多人姿态估计算法平均准确率和召回率均高于其他几种主流算法,可以有效减少关节点的误检与漏检。