本文探讨了从单目图像序列中进行三维全身人体姿态估计的挑战。文中考虑了两种情况：（i）已知人体关节在图像中的位置；（ii）未知关节在图像中的位置。对于第一种情况，提出了一种新颖的方法，该方法结合了稀疏驱动的三维几何先验和时间平滑性。对于第二种情况，则通过将关节的图像位置视为潜在变量来扩展第一种情况的方法。训练了一个深度全卷积网络以预测二维关节位置的不确定性图。通过在整个序列上应用期望最大化算法实现了三维姿态估计，实验表明，在推理过程中可以方便地将二维关节位置的不确定性边缘化。在Human3.6M数据集上的实证评估显示，所提出的 方法在三维姿态估计准确性方面优于现有的最先进基线方法。此外，所提出的方法还在具有挑战性的PennAction数据集上超越了一个公开可用的二维姿态估计基线方法。