نقترح طريقة جديدة من الأسفل إلى الأعلى لتقدير وضعية الإنسان ثنائية الأبعاد في حالات متعددة، وهي ملائمة بشكل خاص للتنقل الحضري مثل السيارات ذاتية القيادة وروبوتات التوصيل. تعتمد الطريقة الجديدة، المعروفة باسم PifPaf، على حقل كثافة الجزء (Part Intensity Field - PIF) لتوضيح أجزاء الجسم وعلى حقل ربط الجزء (Part Association Field - PAF) لربط أجزاء الجسم ببعضها البعض لتشكيل وضعيات بشرية كاملة. تتفوق طرقتنا على الطرق السابقة في الدقة المنخفضة وفي المشاهد المزدحمة والمتشتتة والمحجوبة بفضل (i) حقل PAF المركب الجديد الذي يشفر المعلومات الدقيقة والمتقنة و(ii) اختيار خسارة لابلاس للانحدارات التي تدمج مفهوم عدم اليقين. تعتمد هندستنا على تصميم بلا صناديق وبصورة واحدة بالكامل باستخدام الشبكات العصبية المتكررة بالكامل. نحقق نتائج مماثلة لأحدث الطرق من الأسفل إلى الأعلى الموجودة في مهمة نقاط المفتاح القياسية COCO، وننتج أفضل النتائج الحالية في مهمة نقاط المفتاح المعدلة COCO لمجال النقل.