在计算机视觉领域,人体姿态估计是一项基于图像或视频定位人的关节点的任务。人体姿态估计是大量重要计算机视觉任务的基础和前置任务,如动作识别、行人重定位、人机交互、行为识别、动画建模、图像检索、智能视频监控等。近几年随着深度学习技术的迅速发展,开始有学者将深度学习技术特别是卷积神经网络用于估计人体姿态,提高了人体姿态估计的准确性。然而,将基于卷积神经网络的人体姿态估计部署到实际场景也存在着一些困难。其中一个关键的问题是,由于神经网络模型具有较大的参数量和计算量,达到甚至超过目前手机等移动端的存储和计算力的上限,导致人体姿态估计应用在移动端上的落地变得困难。针对上述问题,本文研究了人体姿态估计中的卷积神经网络算法,设计了几种轻量化的网络结构,在人体姿态估计的准确度变动不大的前提下,较大程度地提升了姿态估计网络的运算速度并同时减少存储所需空间。本文的主要工作总结如下:(1)介绍了图像处理任务中常用的特征提取模块如RFB(Receptive Field Block)、HDC(Hybrid Dilated Convolution)等,并通过增加跳跃连接、更改分支设计等手段,使得该模块适宜于人体姿态估计任务,同时相较于原始的模块,新模块的关键点信息提取能力获得提升,同时也保持轻量化。(2)介绍了人体姿态估计任务中几种常用的网络如沙漏网络(Hourglass Network)、高分辨率网络(HRNet)等,并依照不同尺度信息相互融合、增加上下文语义信息、特征不断精炼的思路,设计了深度融合网络、多尺度融合网络、倒金字塔网络、编码解码网络、S形网络等人体姿态估计的网络结构。(3)在(2)中设计的网络的基础上,利用数据增强、在线困难关键点挖掘(Online Hard Keypoints Mining)等机制增强网络的鲁棒性,并在COCO Keypoint数据集测试了网络的表现,实验结果表明,所设计的网络结构在准确定位关键点的同时大大降低了计算量和存储开销,其中效果最好的深度融合网络在COCO Keypoint数据集上接近目前最好的结果。最后实际场景测试也证明了所设计的网络在复杂环境下具有良好的鲁棒性。