我国作为一个现代化体育强国,随着经济的快速发展,人民物质文化生活质量迅速提高,全民健身的理念深入人心。全民健身活动展开的同时,我们注意到,一些技巧性运动因为难度较高,导致人们在运动时容易出现错误动作,甚至存在很大的安全隐患。传统的体育训练多数情况下都是采取基于体育教练员肉眼观测的训练方式,体育教练员通过观察运动员在训练时的动作,结合自己的经验与看法对运动员进行指导,没有定量的数据进行分析,训练过程受人为主观意识影响严重,使得运动员训练结果差异性较大。要想对人们运动姿势进行科学的分析指导,就必须获取到人们运动时的运动数据或者肢体姿态数据。近年来,随着深度学习和人体姿态估计等相关技术的深入研究,将这些技术应用在运动检测、运动数据分析等方面,使我们能够获得运动者的肢体和相关关键点数据,这不仅可以科学地指导运动员的整个训练过程,同时还提高了教练员教授和运动员训练效率以及运动中的安全系数。本文提出了基于注意力机制的高分辨率人体关键点检测网络,并设计实现了基于关键点检测网络的运动员起跑动作矫正系统,建立了运动员起跑运动数据集,包含各就位阶段、预备阶段、途中跑阶段三部分姿势图像,并以预备阶段姿势为主要研究对象,进一步的研究计算机视觉技术在运动员起跑姿势图像关键点检测中的应用,本文研究的主要内容如下:（1）建立了运动员起跑运动数据集,通过现场拍摄、网络视频截取等多种方式采集了运动员在起跑各就位阶段、预备阶段、途中跑阶段这三个类别的起跑图像,并将采集好的起跑图像通过多种数据增强方式和数据标准化处理来扩充数据集,最后对图像进行分类整理制作成供实验使用的运动员起跑运动数据集。（2）本文通过对传统的人体姿态估计算法进行学习研究发现,传统姿态估计算法多数在网络模型中进行了上下采样,这导致在训练中丧失了很多空间信息,加之网络模型结构复杂,参数量和计算量大,导致传统的网络模型在人体姿态估计任务上准确率低。本文针对传统人体姿态估计算法存在的缺点和问题进行研究,提出了基于注意力机制的高分辨率人体关键点检测网络,网络模型保持了高分辨率表征,可以更准确地对图像中人体进行关键点定位。引入注意力模块,是为了让网络更关注目标实例,同时尽最大限度控制参数量和计算量。本文引入三种不同的注意力模块与模型融合进行消融实验,证明了CBAM注意力机制与模型融合进行起跑姿势预测的有效性。实验结果表明,基于注意力机制的高分辨率人体关键点检测网络获得了更高的起跑姿势预测准确率,且有效地控制了网络训练过程中的参数量和计算量。（3）设计实现了基于人体关键点检测的运动员起跑动作矫正系统。系统主要包含有用户的注册登录功能、姿势图像上传功能、图像预测功能、展示预测结果和改正建议的功能。