Dans cet article, nous proposons un réseau neuronal entièrement convolutif pour l'estimation de la posture humaine 3D à partir d'images monoculaires. Nous utilisons les orientations des membres comme une nouvelle méthode de représentation des postures 3D et associons ces orientations avec la boîte englobante de chaque région de membre afin d'améliorer l'association entre les images et les prédictions. Les orientations 3D sont modélisées conjointement avec les détections de points clés 2D. Sans contraintes supplémentaires, cette méthode simple peut obtenir de bons résultats sur plusieurs benchmarks à grande échelle. Des expériences supplémentaires montrent que notre méthode se généralise bien à des scènes inédites et est robuste face aux boîtes englobantes imprecises.