人体姿态估计是计算机视觉重要的研究内容,在视频监控、娱乐产业、运动分析等领域广泛应用。2D人体姿态估计主要分为单人人体姿态估计和多人人体姿态估计,本文主要研究2D多人人体姿态估计。卷积神经网络是深度学习的重要内容,目前主流的2D人体姿态估计方法都使用卷积神经网络。近年来人体姿态估计主要集中于设计更好的深度网络模型提取更加丰富的特征,以此提升关键点预测准确度。在最新人体姿态估计模型的研究中,高分辨率卷积神经网络HRNet由于其特殊的并联结构,为该领域提供了一个新的方向。本文选择HRNet网络作为工具,研究2D人体姿态估计问题,具体研究内容如下:(1)本文引入了融合不同分辨率的注意力机制(REFAM)来改善特征的融合方式,在特征提取过程中激活有效信息,抑制无用信息,进而提升人体关键点检测整体精度。(2)本文引入了在目标检测任务中效果良好的空洞空间卷积(ASPP)模块,在不降低特征图分辨率大小的基础上增大特征感受野,提升小尺寸人体关键点定位精度。通过ASPP模块也可以提取更高的语义信息,有利于关键点预测。(3)本文引入由粗到细的中间监督模式改善HRNet的监督方式,缓解梯度消失问题,提升网络模型预测能力。以上三个研究内容均在COCO集上进行训练、验证和测试,实验结果表明,引入的融合不同分辨率的注意力机制、空洞空间卷积以及由粗到细的中间监督模式都对模型最后的结果有提升。