人体姿态估计的目的是通过图像、视频等输入数据定位人体部位，构建人体表征(如人体骨架)。在过去的十年中，它受到了越来越多的关注，并被广泛应用于人机交互、运动分析、增强现实和虚拟现实等领域。

一、简介 实现人体检测，通常采用人体姿态估计（Human Posture Estimation），即将图片中已检测到的人体关键点正确联系起来，从而实现人体姿态的估计，实现人体的检测。人体关键点通常对应人体上有一定自由度的关节，比如颈、肩、肘、腕、腰、膝、踝等。 通过对人体关键点在三维空间相对位置的计算，可以估计人体当前的姿态。同时如果增加时间序列，在一段时间内观测人体关键点的位置变化，可以更加准确的进行姿态的检测以及估计目标未来时刻的姿态，做到更加抽象的人体行为分析，比如判断一个人是否在进行打羽

五、OpenPose库OpenPose人体姿态识别项目是美国卡耐基梅隆大学（CMU）基于卷积神经网络和监督学习并以Caffe为框架开发的开源库。可以实现人体动作、面部表情、手指运动等姿态估计。适用于单人和多人，具有极好的鲁棒性。是世界上首个基于深度学习的实时多人二维姿态估计应用，基于它的实例如雨后春笋般涌现。其理论基础来自Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields ，是CVPR 2017的一篇论文，作者是