王发明，李建微，陈思喜

福州大学 物理与信息工程学院，福州350116

人体姿态估计是计算机视觉领域很多研究工作的基础，也是研究的热点问题，在行为识别[1]、人机交互[2]、姿态跟踪等领域有着广泛的应用前景。人体姿态估计的目的是在图片、视频以及网络摄像头视频流等对象中描绘出人体的形态，其包含了目标识别、分割、回归与检测等多方面的任务。按照人体姿态维度的差异，可以将人体姿态估计任务分为二维（2D）人体姿态估计和三维（3D）人体姿态估计。其中2D 人体姿态估计是目前国内外学者主要研究的方向，近年来取得了突破性进展，涌现出较多的数据集，例如FLIC[3]、ΜPII[4]、ΜSCOCO[5]，算法框架包括单人姿态估计[6-9]和多人姿态估计[10-13]，大大提升了2D 人体姿态估计的性能。2D 人体姿态估计的目标是定位并识别出人体关键点，将这些关键点按照关节顺序相连形成在图像二维平面的投影，从而得到人体骨架。3D人体姿态估计的主要任务是预测出人体关节点的三维坐标位置和角度等信息。由于人体姿态标记数据集的缺乏，使得大多数研究方法都基于2D 人体姿态估计方法之上，因此2D 人体姿态估计研究的发展也为3D人体姿态估计奠定了基础，使得3D人体姿态估计研究有着巨大的潜力。

在实际应用中，由于3D姿态估计在2D姿态估计的基础上加入了深度信息，其对于人体姿态的表述比2D更为精准，因此其应用范围和研究价值都要高于2D 人体姿态估计，但是3D姿态估计的难度也更高，存在着遮挡，单视角2D 到3D 的映射中固有的深度模糊性、不适定性，缺少大型的室外数据集等挑战。……