人体姿态估计旨在定位人体部位的关键点,并将其正确地连接起来形成人体骨架以描述当前的人体姿态信息。在计算机视觉领域中,人体姿态估计作为理解图像与视频中人类高层行为的基础,仍然是一项重要且具有挑战性的任务,在智能安防、智慧医疗以及时尚娱乐等诸多领域都有着广阔的应用前景。本文通过分析国内外人体姿态估计方法的研究现状,同时结合深度神经网络的相关知识,针对如何有效提高基于图像的人体姿态估计准确度和训练效率的问题进行了深入研究。具体研究内容如下:针对在不同外观、视角、遮挡、杂乱背景和固有几何模糊性下人体姿态估计准确度较低的问题,本文提出了基于复合残差块堆叠沙漏网络（Composite Residual Block Stacked Hourglass Network,CRSH）的人体姿态估计方法。首先,通过改进原始残差块（Residual Block,RB）提出了大感受野残差块（Large Receptive Filed Residual Block,LRFRB）和多尺度残差块（Multi-scale Residual Block,MSRB）。其次,基于RB、LRFRB以及MSRB设计了沙漏子网络,然后,将四个沙漏子网络进行级联,并在每个沙漏子网络的末端设置中间监督以构成最终的复合残差块堆叠沙漏网络。最后,设计了基于CRSH的人体姿态估计算法。通过在多个数据集上进行实验,其结果证明该网络有效提高了人体姿态估计的准确度。针对CRSH中参数量较大导致训练过程消耗过多资源及时长的问题,提出了基于轻量化复合残差块堆叠沙漏网络（Lightweight-Composite Residual Block Stacked Hourglass Network,LW-CRSH）的人体姿态估计方法。首先,在LRFRB与MSRB中使用深度可分离卷积减少模型参数量。其次,基于通道分离重组的思想加入通道分离模块和通道混合模块,在减少传输通道数的同时加强特征融合。然后,在LW-CRSH的前半部分利用轻量化金字塔残差块（Lightweight-Pyramid Residual Block,LW-PRB）进一步减小参数量和运算量。最后,给出了基于LW-CRSH的人体姿态估计算法。通过在多个数据集上进行实验,其结果证明该网络可以在有效提升训练效率的同时保证预测的准确度。