手的实时传感与建模是人机交互等多个应用领域的重要研究课题,由于人手自由度高、手部在图像中占比小和场景复杂等问题使得基于RGB图像的二维手势姿态估计任务存在极大挑战,为解决以上问题本文设计了一个基于RGB图像的级联卷积神经网络模型,本文主要研究工作如下:（1）针对手部在图像中尺度小的问题,本文尝试了两种方式将包含人手部分从复杂的图像场景中分割出来,以减小背景带来的干扰。一种使用固定大小的边界框裁剪图片,以手心作为边界框的中心;另一种使用YOLOv3网络预测的手部边界框裁剪图片。（2）针对场景复杂手部特征提取困难的问题,本文使用特征金字塔网络作为手部特征提取网络以获得多尺度特征图,同时使用新型残差网络作为模型特征提取部分的主干网络,以尽可能的提取手部特征。（3）针对人手自由度高、部分关节预测困难的特点,设计了一个以新型残差块为基础的多分支精细化网络,充分利用多尺度特征图对关节点进行精确预测。不同于使用全连接层的模型,本文将卷积神经网络设计为全卷积结构,极大地减少了网络参数量,使用预测结果与热力图（heatmap）之间的损失作为网络监督函数,加快了模型的预测速度。本文提出的手势姿态估计模型在公开的数据集上取得了比较好的成绩,证明了所提方法的有效性和模型预测的准确性;同时进行了消融实验,证明新型残差网络可以有效地提升模型的预测精度,以及目标检测网络裁剪方式的有效性。