多人姿态估计在野外环境中是一项具有挑战性的任务。尽管最先进的人员检测器已经展示了良好的性能，但在定位和识别方面的小误差仍无法避免。这些误差可能会导致单人姿态估计器（SPPE）失效，尤其是对于完全依赖人员检测结果的方法。本文提出了一种新颖的区域多人姿态估计（RMPE）框架，以在存在不准确的人体边界框时促进姿态估计。该框架由三个组件构成：对称空间变换网络（SSTN）、参数化姿态非极大值抑制（NMS）和姿态引导的候选框生成器（PGPG）。我们的方法能够处理不准确的边界框和冗余检测，从而在MPII（多人）数据集上相比现有最先进方法实现了17%的mAP提升。我们的模型和源代码已公开发布。