5G时代的来临将进一步促进短视频的蓬勃发展,以人为主体的短视频创作走进大众的生活。视频实例级人体解析技术可以获得视频中人各个身体部位的实例分割信息,利用这些信息可以更方便地创作短视频。对于视频实例级人体解析任务而言,目前常用方法有两种:第一种方法使用逐帧处理,该方法简单有效,但不能处理运动模糊等问题;第二种使用连续帧作为输入,该方法模型较大,速度较慢。为解决上诉两种方法的不足,本文将当前帧获得的空间特征和前k帧获得的时序特征统一到一个网络中,提出多帧传播网络(Multi Frame Propagation Net,MFPNet)解决视频实例级人体解析任务。主要贡献如下。第一,提出空间压缩激励模块(Position-Squeeze-and-Excitation,P-SE)和全局注意力模块(Global Attention Module,GAM)。P-SE是将压缩激励模块(Squeeze-and-Excitation,SE)的思想用到空间位置上,它能学习到一组空间注意力图,该图表征了身体部位的关联程度。GAM则是将SE和P-SE联合到一起,该模块能提取到全局的结构化特征。进一步,提出基于视频当前帧的人体解析注意力网络(Human Parsing Attention Net,HPANet)。第二,提出传播模块来获取视频帧之间的时序特征。该模块由3D卷积和卷积型门控循环单元(Convolutional Gated Recurrent Unit,ConvGRU)组成。3D卷积能更好地获取连续帧之间的时空特征,ConvGRU则进一步获取时序特征。传播模块和HPANet共同组成MFPNet。相比于其他主流方法,MFPNet在视频实例级人体解析数据集(Video Instance-level Parsing,VIP)上取得了 更好的性能。