本发明涉及一种变电站场景下的实时3D人体姿态估计的方法，基于自顶向下和自底向上方法融合以及多层Transformer网络架构的3D姿态估计网络，实现了变电站作业场景下的人体3D关节点提取，提出基于自顶向下和自底向上方法融合的策略，分别计算自顶向下和自底向上两种方法生成的2D关节点结果相似度，并与人工设定阈值比较，实现自顶向下和自底向上两种方法的融合并提升了3D人体姿态估计的鲁棒性。本发明使用Transformer代替卷积神经网络，利用其自监督能力获取输入图像的时序信息与空间信息，改善对于遮挡目标的估计能力，进一步提升人体3D关节点估计的准确性。