这几年来,计算机视觉相关技术飞速发展。人体姿态估计作为研究人类运动的基本方法,成为众多学者们研究的热点。其主要任务是在图像中检测出人体关节和关键部位的坐标位置,从而得到人体局部或全部的肢体信息,以此来判断人体的行为。随着深度学习相关技术的快速迭代,基于卷积神经网络的人体姿态估计研究也取得了巨大的进步。基于自动特征提取的的深度学习方式已经能够替代传统的手工特征提取来实现输入端到任务端的点对点优化,当前基于深度学习卷积神经网络的方式已经成为了人体姿态估计中的主流方法,但目前仍有关键问题没有解决。一方面,现有的研究工作主要关注如何提升人体姿态估计方法的准确度,设计出越来越复杂的网络模型,却忽视了深度学习网络在精度与速度之间的平衡,导致现有的方法无法在实际场景中应用。另一方面,先前的方法虽然意识到尺度问题在人体姿态估计任务中的重要性,并提出一系列多尺度的特征融合的方法来提升人体姿态估计的性能,但多尺度特征融合的方法使模型越来越复杂,效率越来越低。为了解决这两个重要的问题,本文分别从高效的网络架构设计、高效的尺度表示这两个角度展开研究工作,主要工作及贡献如下:本文将对目前主流网络进行详细的讨论,分析出优缺点,并说明当前的人体姿态估计方法普遍注重于设计出高分辨率特征网络,如维持高分辨率特征、高分辨率特征恢复和高分辨特征跨级连接等。虽然高分辨率使得人体姿态估计的方法带来了提升,但也引起了计算量的大幅增加。本文通过实验证实高分辨率特征带来的微小的提升,与其大量增加的计算量相比是“不值当”的。为此,本文提出快速人体姿态估计网络,采用网络中的低分辨率特征进行姿态估计,在大幅度减少计算量的同时保持了模型原本的性能。另外,针对目前的人体姿态估计方法专注于多尺度融合使得网络更加复杂的难题,本文进一步深入挖掘现有算法网络的特征,在不对网络进行尺度约束的条件下,利用卷积神经网络自身携带但未充分使用的尺度特征进行“自我学习”,增强网络模型性能并提高鲁棒性。所以本文提出的方法符合人体姿态估计研究的大趋势和实际应用的需求,有着较为重要的意义,同时也充满着挑战性。