我们提出了一种新的自下而上的多人2D人体姿态估计方法，特别适用于城市交通场景，如自动驾驶汽车和送货机器人。该新方法称为PifPaf，利用部分强度场（Part Intensity Field, PIF）来定位身体部位，并使用部分关联场（Part Association Field, PAF）将这些身体部位相互关联以形成完整的人体姿态。我们的方法在低分辨率图像和拥挤、杂乱及遮挡场景中优于先前的方法，这得益于（i）我们新的复合场PAF编码了细粒度信息，以及（ii）回归任务中选择的拉普拉斯损失函数，该函数引入了不确定性概念。我们的架构基于全卷积、单次检测且无需边界框的设计。在标准COCO关键点任务上，我们的方法与现有的最先进的自下而上方法表现相当，并在针对交通领域的修改版COCO关键点任务上产生了最先进水平的结果。