运用计算机视觉技术对患者进行无接触人体关键点定位是一项具有挑战性的研究。在医院及各种医疗保健机构中,放射科医生一般都需要近距离指导患者做出各种正确的体位,并操作医疗影像采集设备对准目标部位进行采集,这种反复的操作会极大地消耗技术人员的体力并增加他们的传染病感染风险。因此,为实现无接触的X线摄影,需要研究和设计一套基于可见光图像的人体关键点检测系统,辅助放射科医生和采集设备进行X线摄影中的医学影像采集。本文主要研究辅助X线摄影的体位识别和体表解剖标志检测技术。主要工作如下:（1）针对缺少辅助X线摄影的体位识别和体表解剖标志检测数据集的问题,本文建立了一个包含23种体位和80种体表解剖标志的数据集。该数据集共收集了16921张可见光图像,并标注了59510个体表解剖标志。该数据集是辅助X线摄影的体位识别和体表解剖标志检测领域第一个基准数据集。（2）针对关键点检测领域现有的通用评估指标仅能评估检测算法整体检测效果的问题,本文提出单一类型体表解剖标志评估指标。该指标通过在所有人体实例上计算每种类型标志点的预测值与真值之间的平均高斯相似度,直观且准确地显示算法对每种标志点的检测效果,以及不同类型标志点之间检测效果的差异。（3）针对现有的关键点检测算法无法提供体位先验信息及无法进行体表解剖标志的精确定位的问题,本文提出一种基于多任务学的体位识别和体表解剖标志检测方法,该方法包含主干网络、体位分类分支、体表解剖标志检测分支和后处理模块,可以同时且高效的进行体位识别和体表解剖标志检测,是本领域的第一个方法。（4）针对多任务学中多任务分支不能同时达到最好性能的问题,本文设计了一种基于视角辅助的体位识别和体表解剖标志检测两阶段方法。该方法将体位分类与体表解剖标志检测两个任务解耦,利用辅助任务及注意力机制增强分类性能,并基于单一类型标志点评估指标的评估结果设计了选择处理模块,得到最终的标志点检测结果。该方法提升了体位分类性能并显著提高了体表解剖标志检测性能。