人体姿态估计研究的主要内容是从图像或视频中获取人体关键点的位置,当前主要应用于动作识别、安防监控和医疗辅助等领域。近十年来深度学习迅速发展,同时也带动了基于卷积神经网络的人体姿态估计算法的快速进步。在以关键点坐标为学习目标的人体姿态估计模型中,二维坐标无法为模型的训练提供强有力的监督信息,使得模型的学习难度较大;另外,模型需要通过全连接层来输出坐标值,而全连接层的权重严重依赖于训练数据的空间分布,所以在一定程度上影响了模型的泛化能力。针对以上问题,本文的具体工作如下:首先,本文提出一种坐标联合回归方法,让模型不再独立地预测每个关键点的位置坐标,而是同时对关键点坐标以及相连通关键点之间的偏移量进行预测,既能够增强模型训练时所获得的监督信息,又能够为模型提供一定的人体结构信息,降低了模型的学习难度。其次,基于ASPP模块,提出一种改进的多尺度特征模块,在基础网络输出的特征上进一步提取多尺度特征,多尺度特征能够帮助模型从全局理解人体结构以及更精准地预测关键点的位置坐标。最后,基于知识蒸馏方法,提出一种用于人体姿态估计的姿态知识提取方法,将基于热力图方法的模型的部分泛化能力转移至基于坐标回归方法的模型中。本文在MPII及COCO两种主流的人体姿态估计数据集上进行了实验,消融实验的结果表明,本文提出的三种方法及模块均能有效地提升模型的性能表现。对比实验中,相较于主流的基于坐标回归方法的模型及基于热力图方法的模型,同时使用本文三种方法及模块的模型能够在精度与效率间取得良好的平衡。