目前很多姿态估计方法基于人体检测器的检测结果，但是人体检测器在定位和识别方面的小错误无法避免，这会导致单人姿态估计器失败。该文提出来一种新颖的区域多人姿态估计框架，可以在人体边界框不精确的时候进行姿态估计。该框架由Symmetric Spatial Transformer Network(对称空间变换网络)、Parameter Pose Non-Maximum-Suppression(非最大抑制姿态参数)、Pose-Guided Proposal Generator(姿态引导提议生成器)三部分组成，可以处理不准确的边界框和冗余检测。

Human posture recognition,base on nanodet and movenet,ncnn(人体姿态识别) 选择视频文件，窗口下半区是识别后的人体姿态。 人体姿态识别，基于nanodet和movenet，ncnn tech points Qt 5.12.9 c++ opencv 4.5.4 nanodet moveNet ncnn

Python+OpenCV+OpenPose实现人体姿态估计（人体关键点检测）代码说明参见：https://blog.csdn.net/m0_38106923/article/details/89416514

Python-用于3D人体姿态估计的PyTorch实现 用于3D人体姿态估计的PyTorch实现

计算机视觉“探奇”：深度剖析基于飞桨的人体姿态识别算法 计算机视觉.pdf

人体姿态估计目前最为广泛的应用是在智能监控中.随 着人们安防意识的提升以及监控技术的日益成熟,智能监控 系统的应用领域在不断扩大.智能监控与普通监控的区别主 要在于其将人体姿态估计算法、判断监控画面场景中的人体姿态,提取其中的关键信 息,当出现异常行为时及时向用户发出提示. 原文链接：https://blog.csdn.net/qq_34351067/article/details/124258600 本源码主要识别多人(最多5人).的异常行为：打架和摔倒，走动，站立。本源码可以在限时免费的云gpu上运行调试，也可以本地电脑运行，支持自建数据集和动作检测训练。售后可以发私信， 或者加qq 568897492

Learnable Triangulation of Human Pose文章代码中的有关human36m数据集的预训练模型，包括基于体积和三角化的模型以及pose_resnet的预训练模型。放在data\pretrained目录下解压。

人体姿态识别 Alpha Pose is an accurate multi-person pose estimation system. It is the first open-sourced system that can achieve 70+ mAP (72.3 mAP) on COCO dataset and 80+ mAP (82.1 mAP) on MPII dataset. To associate poses that indicates the same person across frames, we also provide an efficient online pose tracker called Pose Flow. It is also the first open-sourced online pose tracker that can both satisfy 60+ mAP (66.5 mAP) and 50+ MOTA (58.3 MOTA) on PoseTrack Challenge dataset.

3d人体姿态骨骼相关的实验，需要使用human3.6m数据集

基于MATLAB差影法的人体姿态识别。需要准备对应的模板图片作为背景图，然后测试图和背景图进行作差，结合形态学，提取出人体轮廓，接上最外接矩形，得出矩形长宽，计算长宽比例，从而判断人体姿态。因为对背景图片要求比较高。 完整代码，可直接执行