人体姿势估计作为计算机视觉领域的基础任务,对计算机视觉领域的其他任务有很大影响,相关的研究工作已经将深度学习算法应用于人体姿势估计任务中,从一定程度上提高了人体姿势估计的准确性。但是由于特征提取维度不全面、信息传递不充分等问题,使得人体姿势估计模型的准确率受到了一定的限制。本文针对以上问题,从模型中各模块的内部网络设计和模型中各模块之间的特征传递两个角度进行建模,分别提出了基于多维特征融合的级联网络模型和加权的协同特征增强级联沙漏模型。首先,针对特征提取维度不全面的问题,将构建模型的角度集中于各模块内部的网络设计中,充分考虑多尺度下的特征和多感受野的特征信息,提出了基于多维特征融合的级联网络模型。该模型是将多维特征提取网络和沙漏网络采用并联的结构设计构建成多维特征融合网络,并且通过将多维特征融合网络级联的方式最终实现对图像中行为人关节点的预测。其次,针对特征信息传递不充分的问题,将构建模型的角度集中于网络模块之间的特征传递上,充分考虑到同尺度特征信息的一致性,提出了加权的协同特征增强级联沙漏模型。该模型从网络模块之间特征传递的角度,构建了协同特征增强方法,并且对不同阶段输出结果进行加权计算作为模型的最终输出,提高了对图像中行为人关节点的预测结果的精确度。最后,本文从不同角度设计的两个人体姿势估计模型,在MPII数据集和LSP数据集上进行了实验验证。通过实验证明,本文所构建的模型均能有效地提高模型对于关节点预测的准确性。