随着科技的发展,智慧家居、驾驶手势以及智慧医疗等人机交互的应用都会将手势交互技术加入其中,而手部姿态关键点估计对于手势交互技术的发展是十分关键的。深度学习不断发展,使手部姿态关键点估计发展迅速。然而目前手部姿态关键点估计存在以下两个问题:一是当前研究基本只对单手关节点进行检测而更实际和复杂的场景中,处理完整的图像,它不仅包含多只手,还包含人体、背景等其他物体;二是数据集短缺。网络的训练需要高质量的数据集,目前公开的多手RGB数据集的数量过少且质量不高等问题使得实现这一目标仍然具有挑战性。针对以上问题,本文进行了如下几点创新性的研究和探索:（1）针对当前研究基本只对单手关节点进行检测的问题,本文提出一种基于级联并行卷积神经网络的二维多手姿态关键点估计模型（Hrnet-hand）。该网络模型采用先找手再定位关节点的Two stages网络思想,第一阶段网络利用目标检测YOLO网络来精准定位图像中的所有手,并提取输出目标框的中心点作为第二阶段网络输入的一部分。第二阶段网络将Hrnet网络迁移学习至手部姿态关键点估计任务,该网络在维护高分辨率的同时并行进行多尺度特征的融合,并在网络初步提取特征后加入双维度注意力机制,其对检测目标区域影响较低的特征的像素值权重削弱,抑制不必要的特征,而对影响较高的特征的像素值则会增加权重,增强网络表现力,由此输出的多手关键点热力图在空间上更精确。（2）针对数据集短缺的问题,本文对现有公开的多手RGB数据集进行标签补齐,确保图片中出现的所有手都有对应的关键点标注,提升数据集质量;此外,本文用真实的手图像构建了自己的数据集DCD8-6000,并对图像进行了高质量的手动注释。为了验证本文所提方法的有效性,本文在具有丰富背景、有遮挡以及拥有复杂手势的三个数据集:MPII-hand、NZSL和DCD8-6000上分别与3个经典手部姿态关键点估计算法进行对比试验。结果表明本文模型是有效的,实现了仅依靠单RGB图像进行多手姿态关键点估计任务,同时提升了检测的准确率。