随着计算能力的提升,计算机视觉技术得到了越来越多的关注与发展,深度学习技术作为计算机视觉的重要分支,也在获得更多的发展与应用。与此同时,当代的便携拍摄设备如智能手机、平板电脑等电子设备的普及,以及网络传输速度的提升,极大地促进了图像数据的增长。在庞大的图像数据的支持下,深度学习技术得到了蓬勃发展,深度学习被越来越多的应用到了实际场景之中。人体关节点的检测作为实际场景问题提出,是为了解决如何通过图片进行特征提取,根据特征进行人体的姿态信息的预测。论文对人体关节点三维检测技术流程中的各个技术环节进行了调研和分析介绍,特别是人体关节点三维检测流程中的目标检测网络技术、关节点检测技术和深度预测技术。论文首先介绍了如何进行了相关任务的数据集的收集和构建。在此基础上,论文设计实现了一种带有深度信息的人体关节点三维检测算法流程,同时对其流程上的各个算法模块进行精度上的优化,通过作者设计的消融实验,与当前学术界常用网络模型的实验结果进行了对比以验证算法的有效性。在此基础上,论文设计和实现了一个人体关节点三维检测系统,实现了从输入视频到最终输出预测三维关节点结果的功能。论文从系统的需求分析、概要设计、详细设计和系统测试几个方面对该检测服务系统进行了系统详尽的描述。本文描述的目标检测算法经过与当前经典算法的实验对比,在检测精度方面有所提升,在整体人体关节点检测的流程上也达到了整体准确度明显改善的结果。基于该算法的服务系统通过了系统功能测试,在现实场景中的应用也得到了初步验证。