近年来,使用深度卷积神经网络的姿态估计问题已得到快速发展,成为了计算机视觉领域的一个研究热点,而多人姿态估计是姿态估计中一项基本但又极具挑战性的任务,它是人体动作识别、运动分析、人机交互等高级视觉任务的前提。在实际的应用场景中,错综复杂的背景、人与人之间的遮挡以及人与物之间的遮挡对多人姿态估计造成了巨大的干扰。对此,本文针对目前多人姿态估计算法中的两大痛点,即人物漏检和关键点的错误连接,在现有的多人姿态估计算法的基础上做改进。本文选择了自上而下的多人姿态估计算法作为基准。首先,根据目标检测算法的实验结果选择了现阶段得分最高的YOLOv3-spp目标检测器,并改进其包围框损失方式进行训练,将训练出的模型作为本文的多人姿态估计算法的人形目标检测器,来帮助姿态估计器获得高质量的人形目标的提议框。其次,设计了拥有通道注意力机制的人体姿态估计器,该姿态估计器先通过一开始的像素重组网络来提高经过层层下采样的特征图的分辨率,再让注意力网络层对每个通道的特征图分配不同的权重来达到调整关注区域的目的,有效的解决了姿态估计过程中对关键点模棱两可的预测。加入了注意力机制的姿态估计器对关键点的定位比之前准确,但仅限于可见关键点,如果一个人形实例中的大量关键点被遮挡,仅靠少量的可见关键点依然难以做出准确的姿态估计。最后,本文在通道注意力姿态估计器的基础上设计了层级监督姿态估计器,它是将姿态估计器中上采样网络替换为反卷积网络,再在训练阶段对姿态估计器中的三个网络层进行预测值与真实值之间差距的计算来达到层级监督的目的,自适应地从训练样本中捕获人体关键点局部信息和人体结构信息,从而对一些不可见关键点的位置进行预测。并且,还探索了GAN超分辨率对人体姿态估计的影响。为了验证本文算法改进的有效性,使用了三个开源的数据集对其进行模型训练与测试。从这三个数据集中获得的得分可以看出本文提出的层级监督通道注意力网络的多人姿态估计算法有一定的竞争力,从渲染的效果图中可以看到层级监督通道注意力网络的多人姿态估计算法可以有效地解决拥挤复杂的场景中人物漏检和关键点误连的问题。