人体姿态估计的目标是从给定的图像或视频中确定人的身体关键点（部位/关节）的位置或空间位置。利用深度学习进行姿态估计的方法大致分为两种：自上而下的方法和自下而上的方法。自上而下（top-down），即先检测出来人体，再对单个人进行姿态估计；而自下而上（down-top），则是先检测出人体关节点，再根据检测出来的关节点连成人体骨架。
1.动作识别
追踪一段时间内一个人姿态的变化也可以应用在动作、手势和步态识别上。
2.运动捕捉和增强现实
人体姿态估计的一个有趣应用是 CGI（computer graphic image）应用。如果可以检测出人体姿态，那么图形、风格、特效增强、设备和艺术造型等就可以被加载在人体上。通过追踪人体姿态的变化，渲染的图形可以在人动的时候“自然”地与人“融合”。
3.训练机器人
除了手动为机器人编程、让它们跟随特定的路径，我们也可以让机器人跟随一个做特定动作的人体骨架。人类教练可以仅通过演示特定的动作，来教机器人学习这一动作。接着，机器人就可以计算如何移动自己的活动关节，来进行相同的动作。
4.控制台中的运动追踪
姿态估计的一个有趣应用是在交互游戏中追踪人体对象的运动。比较流行的 Kinect 使用 3D 姿态估计（采用 IR 传感器数据）来追踪人类玩家的运动，从而利用它来渲染虚拟人物的动作。
1.自上而下，先检测人这个整体，再检测出人体关键点。
特点：符合人的思维，先整体后后部分；准确率相对较高。
缺点：推理速度慢。
代表算法：MASK-RCNN, CPN, AlphaPose
2.自下而上，先检测出所有的关键点，再集合成一个人的关键点。
特点：推理速度较快，
缺点：准确率不如自下而上的方法。
代表算法：openpose, DeepCut