我们提出了一种基于多视角相机系统和每个视角的2D人体姿态估计的单人3D人体姿态估计自监督学习算法。为了训练我们的模型（由深度神经网络表示），我们提出了一种四损失函数的学习算法，该算法不需要任何2D或3D人体姿态的真实标签。所提出的损失函数利用了多视角几何原理来重建3D人体姿态估计，并在不同相机视图之间施加人体姿态约束。我们的方法在训练过程中利用了所有可用的相机视图，而在推理阶段则仅使用单个视图。在评估中，我们在Human3.6M和HumanEva基准数据集上展示了有前景的性能，并且还在MPI-INF-3DHP数据集上进行了泛化研究，以及提供了多个消融实验结果。总体而言，我们的方法超越了所有自监督学习方法，并达到了与监督和弱监督学习方法相当的结果。我们的代码和模型已公开发布。