人体解析正受到越来越多的研究关注。本文旨在通过引入野外多人体解析这一新问题，推动人体解析技术的前沿发展。现有的人体解析研究主要聚焦于单人场景，这与现实应用中多人同时存在、相互交互且存在遮挡的复杂情况相偏离。为解决多人体解析问题，我们提出一个全新的多人体解析（Multi-Human Parsing, MHP）数据集，以及一种名为 MH-Parser 的新型多人体解析模型。MHP 数据集包含在真实场景中采集的多个人体图像，并在实例感知（instance-aware）的设定下提供像素级细粒度的语义标注。MH-Parser 模型通过引入一种新型的图生成对抗网络（Graph-GAN）模型，以自底向上的方式同时生成全局解析图与人体实例掩码。我们预期，MHP 数据集将成为推动新型多人体解析模型发展的宝贵数据资源，而 MH-Parser 则为野外多人体解析的后续研究提供了强有力的基准模型。