AI技术的蓬勃发展使得一些行业迈向了一个新的阶段,尤其是在自动驾驶,安防监控,人脸识别,智慧零售等新兴产业中,更是取得了超前的发展与应用。智慧零售是目前十分有前景的发展领域之一。在智慧零售行业中,对顾客的驻足点等信息的分析,能够使商家获得更全面的用户画像,以此来调整销售策略,提升顾客满意度,获取利润最大化。因此,对顾客进行行为分析的过程中,快速和准确的行人检测以及人体关键点的提取成为了必要环节。本文主要研究面向货架商品范围环境下的人体关键点检测系统,使该系统能够快速和准确的检测人体关键点。本文的主要工作如下:1.基于深度图像的数据增强方法研究。根据深度图像的成像原理,提出一种基于深度图像的数据增强方法,在模型训练过程中能对深度图像数据进行扩充,并提升训练模型结果的泛化能力。2.网络结构模型优化方法研究。研究几种现有的基于深度学习的网络结构模型优化方法,并将几种方法结合,提出一种轻量化并高效的特征提取网络架构,该模型架构在减小了模型参数量与计算量的同时,提高了模型精度。3.人体骨骼关键点检测算法研究。针对面向商超场景下对人体关键点检测的实时性与准确性要求,提出一种基于深度图像的人体关键点检测算法,并具有较好的泛化能力。4.面向货架环境的人体关键点检测系统实验研究。为了验证检测系统的性能,在商超货架场景数据集下对检测算法进行了精度实验,与主流人体关键点检测算法进行了实时性对比实验,并在不同商超货架场景下验证检测算法的泛化能力。