近年来,由于基于单帧图像的三维人体姿态估计技术在增强现实、人机交互、视频分析等领域的广泛应用,其相关研究呈现出日益增长的趋势。本文旨在利用深度学习方法解决由单帧彩色图像同时估计多人的绝对三维姿态的问题,与当前绝大部分只关注单人相对三维人体姿态估计的研究不同,本文估计的多人场景绝对三维人体姿态不仅包括了相对三维人体姿态,还包括人体在相机坐标系下的绝对三维位置,即定义的人体关键点在相机坐标系下的绝对三维坐标值。本文的主要研究成果包括:1.提出了一种新的自底向上的多人三维姿态估计方法,它可以一次性地直接预测多人的二维姿态、绝对三维位置和姿态。设计了一个多任务迭代式的全卷积网络结构来同时回归根节点深度图、二维人体关键点热度图、骨骼向量场和骨骼相对深度图,根据关键点匹配算法对每个个体进行分组,然后利用网络估计的根节点深度和骨骼相对深度将二维人体关键点升维至三维。2.提出了一种微型网络来补全和优化三维人体姿态估计结果,并提出了一种新的基于深度信息的人体关键点匹配算法来解决原本的二维关键点匹配中存在的歧义性问题。通过消融实验证明了所提出的方法的有效性。3.展示了深度估计任务可以为人体姿态估计任务带来进一步的提升,并且实现了基于单帧彩色图像的深度估计任务从数据采集到网络训练的全部流程,还提出了随机向量损失函数来提升人体之间的深度层次关系。实验证明本文提出的多人场景绝对三维人体姿态估计方法在性能上超越当前已有研究成果,并且具有良好的泛化能力。