在灾害、战场等复杂环境下,救援机器人需自动对受伤人员进行动作识别与状态分析,因此对复杂图像中的人体关节点和肢体进行检测,即人体姿态估计有着重要的意义。目前,基于深度学习的室外复杂环境下多人人体姿态估计技术发展迅速,但在搜救应用中还存在许多困扰,例如救援环境恶劣,背景复杂无法得到清晰、高质量的人员图像;人员姿态受环境所限,身体同一肢体呈现出不同的外观;多人交错在一起,肢体存在遮挡、重叠,人体的肢体完整性下降;救援环境属于陌生环境,没有人体姿态的相关先验知识,单人或多人人体的各个肢体可能存在于图像的任意区域,导致模型检测时需要大面积搜索图像内容等等。本文以建立基于深度学习的多人人体姿态估计模型为主要目的,在国内外人体姿态估计研究现状的基础上研究了相关理论基础。搭建了复杂环境图像的人体姿态特征提取网络,对其特征进行提取;其次利用关节点检测网络对所得特征进行关节点估计和聚类;随后采用部件亲和力场(PAFs)对关节点对匹配形成肢体特征,将匹配好的肢体和关节点存入不同的集合中;最后利用匈牙利算法和人体肢体框架构建成完整的人体姿态模型。在常用的人体姿态估计数据集基础上,选择LSP和MS COCO数据集对模型进行训练和实验验证,并通过PCP标准和PCK标准评价多人人体姿态估计的准确性。实验结果表明,本文研究的基于深度学习的多人人体姿态估计模型在室外复杂环境中对多人肢体和关节点具有一定的检测能力。同时为了检测模型的稳定性,在战争、地震以及烟雾等能见度低的三个场景中各自选取100张多人图像进行实验,得到平均的人体估计精度为83%,躯干等特征明显的肢体估计具有良好的结果(最高可以到达84%),特征不明显的肢体末端,例如小臂和手,会根据环境的变化估计精度出现下降。