近些年来,为了更好地理解医学临床活动,以简化临床工作流程和检测不良事件,人们对人体姿态估计模型的需求日益增长。主流的人体姿态估计算法在普通场景下能得到很好的表现,然而在手术室场景下构建一个高效的人体姿态估计模型是极具挑战性的,不仅因为手术室场景的隐私问题,导致数据和注释难以收集和生成,进而使得现有模型的训练变得困难;而且手术室场景下的图像与传统的视觉图像存在很大的不同,其中包含背景复杂、目标遮挡等问题,会导致现有方法精度下降明显。为了解决上述问题,本文主要工作如下:（1）针对手术室数据集中数据样本量较少,且数据标注与主流数据集有差异,导致结构较深的网络直接在手术室场景数据集上训练会出现无法收敛或者过拟合的问题;本文构建了一个基于Lite-HRNet的轻量级多模态网络,该方法利用深度信息作为补充,增加一路网络用于提取手术室数据集所包含深度图像的特征,并引入了一个门单元的特征融合模块SA-Gate,用于对网络提取的彩色图像特征和深度图像特征进行有效地融合,实现了针对网络中彩色图像的特征优化,提升轻量级网络的检测能力。实验表明,通过引入深度数据信息,手术室场景下的2D人体姿态估计检测精度得到了明显的提升。（2）手术室场景图像中存在背景混乱、肢体间的遮挡,以及设备遮挡等情况,针对上述复杂环境所带来检测精度低的问题;本文从网络迁移的角度,将在大数据集上得到性能更好的网络迁移到手术室数据集上,并采用了提取关节点特征能力更强的高分辨率网络作为骨干检测网络,融合注意力机制和图卷积网络,提出新的网络结构EHRNet。首先,加入用于捕获关键特征的混合注意力机制,解决网络中特征融合能力不足的问题;然后,加入了基于图卷积网络的校正模块,对本身具有图结构关系的关节点进行优化,改善了被遮挡关节点的检测;最后,在训练过程中使用领域自适应的训练方式拉进大数据集和手术室数据集间的数据分布,实现将大数据集中预训练的网络迁移到手术室场景上。实验表明,本文提出的EHRNet提升了关节点在遮挡情况下的检测精度,领域自适应的训练方法也提升了网络在手术室场景下的整体表现。