Les contraintes épipolaires constituent le fondement du correspondance de caractéristiques et de l’estimation de profondeur dans les méthodes actuelles d’estimation 3D de posture humaine à plusieurs personnes et plusieurs caméras. Bien que cette formulation présente des performances satisfaisantes dans des scènes de foule plus clairsemées, son efficacité est fréquemment remise en question dans des environnements de foule plus denses, principalement en raison de deux sources d’ambiguïté. La première provient des mauvaises correspondances entre les articulations humaines, dues aux indices simples fournis par les distances euclidiennes entre les articulations et les lignes épipolaires. La seconde provient du manque de robustesse de la formulation naïve du problème comme une minimisation des moindres carrés. Dans cet article, nous abandonnons la formulation classique d’estimation de posture 3D à plusieurs personnes, et reformulons plutôt le problème comme une estimation de posture en foule. Notre méthode repose sur deux composants clés : un modèle graphique permettant une correspondance rapide entre vues, et un estimateur du maximum a posteriori (MAP) pour la reconstruction des postures 3D des individus. Nous démontrons l’efficacité et l’avantage de notre méthode proposée sur quatre jeux de données de référence.