1、人體姿勢估計是實現(xiàn)圖像理解和行為識別的關鍵技術。但是，自身的遮擋，衣著的變化，面內(nèi)和面外旋轉等情況，導致了人體姿勢估計問題一直沒有得到很好的解決。近年來，深度學習技術的發(fā)展為解決姿勢估計問題提供了新的工具。與淺層機器學習算法相比，深度學習的模型具有更深的層次，因此具有更強的學習能力。但是，深度學習本身也存在很多待研究的問題，例如，深度學習有效性的理論分析，深度模型在實際應用中難以訓練的問題。如何針對姿勢估計問題設計深度模型也還有待進一步

2、的研究。
　　本文梳理了姿勢估計技術和深度學習技術的發(fā)展歷程。在此基礎上，提出了一種用于姿勢估計的適應性全效表達框架。該框架能夠同時利用全局和局部視覺線索來準確地估計出人體姿勢。特別地，適應性全效表達框架主要包括兩部分：(1)全效部分，即全局模型。它可以快速地定位人體關節(jié)，生成一個整體正確的人體姿勢；(2)適應性部分，即局部模型。它可以在潛在區(qū)域的基礎上進一步提高姿勢估計的精度。
　　全局模型是該框架的核心，它主要實現(xiàn)三個功

3、能：第一，快速定位人體關節(jié)；第二，生成潛在區(qū)域，為局部模型縮小搜索空間；第三，作為空間模型，與局部模型融合，輸出更精確的人體姿勢。全局模型通過一種叫做獨立損失網(wǎng)的卷積神經(jīng)網(wǎng)絡來實現(xiàn)上述功能。在獨立損失網(wǎng)中，姿勢估計被定義為關于人體關節(jié)坐標的分類問題。獨立損失網(wǎng)具有兩個獨立的輸出層，用于分別預測關節(jié)坐標的兩個維度，并且使用獨立的損失函數(shù)來指導網(wǎng)絡的訓練。
　　在姿勢估計的適應性全效表達框架中，全局模型自身具有完整性，而局部模型是對全