多人姿态估计是计算机视觉领域中一个重要的研究方向,该技术可以作为行人重识别、动作分类等任务的基础,在安防、娱乐等产业领域中有着广泛的应用前景,具有重要的经济价值;同时,该领域的研究结论对其他与人相关的人工智能科学研究也有一定的推动作用,具有重要的科研价值。因此,对多人姿态估计算法的研究具有重要的研究价值和研究意义。本课题采取自底向上方法的设计思想,针对现有算法中存在的缺陷开展了一系列研究,并分别针对性的进行了改进,最终提供了一种能够应用于实际场景的多人姿态估计方法。主要的研究内容介绍如下:（1）本课题首先针对现有算法在遮挡场景中检测精度低、对上下半身关节检测精度差异大的问题进行探究,提出在算法中引入人体结构先验,设计基于关节分组和分化质心编码的多人姿态表示,降低网络对检测任务的建模难度;在此基础上,设计基于关节划分和贪婪策略的关节匹配后处理算法,缓解实际场景中算法对不属于同一人体关节的误配问题,显著提升了算法在各类关节尤其是下半身关节上的估计精度;（2）在上述基于分化质心编码的检测任务表示基础上,本课题进一步提出新颖的人体锚点集合并依其对检测任务进行优化,为人体半身在网络对应的两个子分支提供所需信息的来源;接着,设计了采取串行任务输出方式的尺度感知网络,其包含有精心设计的局部感知增强模块和全局感知增强模块,能够充分挖掘模型潜力,进一步提升算法精度;（3）本课题最后提出了一种基于分化质心编码的单阶段多人姿态估计算法,其根据所设计的单阶段多人姿态表示,能够将多个人体多类关节的检测和匹配任务转化为人体中心关节的检测以及其余关节的回归两个过程,并进一步设计了轻量级网络来建模该检测任务表示。在实验数据集和实际模拟场景样本中的结果表明,该方法通过消除耗时的关节匹配过程,在实际场景中能够拥有更高的处理效率,实现了算法对精度和速度的平衡。