El auge de la tecnología de aprendizaje profundo ha promovido ampliamente la aplicación práctica de la inteligencia artificial en la producción y la vida diaria. En visión por computadora, muchas aplicaciones centradas en el ser humano, como la vigilancia por video, la interacción humano-computadora, el entretenimiento digital, etc., dependen en gran medida de técnicas precisas y eficientes de estimación de postura humana. Inspirados por los logros notables en la estimación de postura humana 2D basada en el aprendizaje, numerosos estudios de investigación se dedican al tema de la estimación de postura humana 3D a través de métodos de aprendizaje profundo. En este contexto, este documento proporciona una extensa revisión de la literatura reciente sobre métodos de aprendizaje profundo para la estimación de postura humana 3D para mostrar el proceso de desarrollo de estos estudios de investigación, rastrear las últimas tendencias de investigación y analizar las características de los tipos de métodos diseñados. La literatura es revisada, junto con el flujo general de la estimación de postura humana 3D, que consta de modelado del cuerpo humano, estimación de postura basada en el aprendizaje y regularización para el refinamiento. A diferencia de revisiones existentes sobre el mismo tema, este documento se centra en métodos basados en aprendizaje profundo. La estimación de postura basada en el aprendizaje se discute desde dos categorías: para una sola persona y para varias personas. Cada una se categoriza aún más por tipo de datos en métodos basados en imágenes y métodos basados en video. Además, debido a la importancia de los datos para los métodos basados en el aprendizaje, este documento examina los métodos de estimación de postura humana 3D de acuerdo con la taxonomía de la forma de supervisión. Por último, este documento también enumera los conjuntos de datos actuales y ampliamente utilizados y compara el rendimiento de los métodos revisados. Según esta revisión de la literatura, se puede concluir que cada rama de la estimación de postura humana 3D comienza con métodos completamente supervisados, y aún hay mucho espacio para la estimación de postura de varias personas basada en otros métodos de supervisión tanto de imágenes como de video. Además del desarrollo significativo de la estimación de postura humana 3D a través del aprendizaje profundo, los problemas inherentes de ambigüedad y oclusión siguen siendo desafíos que deben abordarse mejor.