行人检测和人体姿态估计是计算机视觉领域备受关注的研究方向。行人检测是通过对图像或者视频中的行人特征进行分析,检测出行人所在的区域。人体姿态估计是对图像中人体各个关节点的位置进行定位,人体姿态估计也是人体动作行为识别与分析的基础。本文采用了基于卷积神经网络的方法对行人检测和人体姿态估计进行研究。本文的主要内容如下:（1）研究了经典的Faster R-CNN目标检测算法,该算法在通用的目标检测任务中已经达到了较高水平,由于行人检测与通用的目标检测有相似性,本文将Faster RCNN算法应用到行人检测任务中,在Caltech行人数据集上进行测试并和几种经典的行人检测方法对比。基于Faster RCNN的行人检测方法在“Reasonable”指标下的漏检率达到了 23.3%,大尺度行人的漏检率为7.4%,中、小尺度行人的漏检率分别为62.2%和96.1%,实验结果均优于一些经典的行人检测方法。（2）基于Faster R-CNN的方法对于尺度较小的行人检测效果并不理想。针对这个问题,提出了多层特征融合机制,将低层和高层的特征图进行尺寸缩放和信息融合,充分利用了对小目标物体至关重要的低层特征图,“Reasonable”指标下漏检率降低为21.6%。之后,修改了行人候选框和感兴趣池化区域的尺寸,使它更适合行人的特点,“Reasonable”指标下的漏检率降低约20.5%。最后,针对行人检测中存在的难分样本问题,提出了将多任务损失函数替换为焦点损失函数,加大模型训练过程中对难分样本的权重,“Reasonable”指标下的漏检率约17.4%,中、小尺度的漏检率也有所降低,改进后算法的性能得到了提升。（3）研究了卷积姿态机的算法原理,该算法使用全卷积网络对输入图像进行特征提取,得到一系列人体关节点的热点图,使用平方误差损失函数训练整个网络。针对卷积姿态机的模型体积较大难以移植到移动端等问题,使用轻量级网络MobileNet的思想对网络进行改进,模型的体积由124Mb降低为19Mb,之后,在卷积姿态机的基础融合残差预测模块,模型的准确率达到83.1%,改进后的算法相对于原文的模型来说,模型的准确率有所降低,但是体积大幅减小,基本可以实现移植到移动端。