科技创新推动着社会生活不断的发展前进,人工智能使得人类的生产生活方便快捷。计算机视觉技术的出现更是加速了人工智能领域的发展,作为其重要分支之一的人体姿态估计技术,目前已在医疗、交通、军事等各个领域有着广泛的应用。在军事装备的智能化发展中,人体姿态估计算法为战场态势感知、实时精准打击提供了一定的技术支持。展开人体姿态估计算法的研究,对于军事行动指挥、国防安全保障有着重要的意义。但由于军事环境复杂,存在背景干扰、多尺度干扰以及关键点遮挡等众多影响,导致军事环境下的人体姿态估计算法仍存在检测效率低等问题。因此,本文以高分辨率网络HRNet为基础,展开了基于改进高分辨率网络的人体姿态估计算法研究,旨在提升人体姿态估计算法的精度与速率,实现军事装备的高效智能化。本文主要研究内容如下。（1）针对复杂背景及多尺度场景下人体关键点特征提取不够充分的问题,本文提出了一种融入双注意力机制的人体关键点特征提取网络。首先,为提升多尺度场景下人体姿态估计算法的特征获取能力,在此引入金字塔切分注意力模块（EPSA）,用来改善网络对多尺度信息的获取能力,并在下采样时引入EPSA模块,避免网络在下采样过程中易造成信息丢失的问题;其次,为增强复杂场景下人体姿态估计网络对关键点位置信息的获取能力,结合位置注意力机制（CA）增强网络对位置特征的提取能力,保证对人体关键点位置信息的充分提取。实验表明本章构建的网络可充分获取图像中的多尺度特征信息,并能从复杂背景中有效提取人体关键点的位置信息,有效增强了姿态估计网络的人体关节点特征提取能力。（2）针对遮挡人体关键点检测效果差的问题,本文提出了一种基于热图的人体关键点回归优化算法。首先,针对上采样时特征损失较多会导致遮挡关键点特征缺少的问题,采用轻量级上采样模块（CARAFE）改进原有的最邻近插值上采样方式,减少上采样过程中的信息损失;其次,针对关键点热图回归时存在的特征信息融合不够充分,会导致遮挡关键点预测信息不足的问题,设计了一种改进的特征融合模块,以实现不同分辨率下特征信息的充分融合,为关键点位置回归提供更多参考信息;最后,针对关键点热图输出存在多个峰值导致的遮挡关键点回归位置不够准确的问题,结合高斯滤波优化热图输出,使得最终能输出精确的关键点位置。结果表明本章网络有效改善了遮挡关键点的检测效果,提高了模型的检测精度,实现了复杂多尺度场景下遮挡关键点的精确定位,具有较优的检测精度和较强的模型泛化能力。（3）针对网络结构复杂,模型参数量多、体积庞大影响人体姿态估计网络高效检测的问题,本文提出了一种轻量化的人体姿态估计算法。首先,构建了基于Ghost卷积模块轻量化的人体姿态估计网络,结合Ghost卷积模块改进常规卷积,大幅减少网络的参数量与运算量;其次,提出了基于改进HRNet网络模型的自适应剪枝算法,主要对卷积网络各个神经元之间存在的冗余链接进行模型剪枝,根据权重对冗余链接及不重要的神经元进行剪枝,在保证模型检测精度的基础上,压缩模型体积,提升模型的检测效率。最终通过实验验证了本文提出的基于改进高分辨率网络的人体姿态估计算法的有效性。