随着深度神经网络的发展,人体姿态估计与识别领域有了重大突破。通过深度神经网络可组合图像的低层次特征信息,从而在更高层次中对人体姿态进行估计与识别。该方法减少了人体姿态估计与识别领域对外界设备的需求,为人体姿态评估系统提供理论基础。本文以估计与识别羽毛球运动员运动姿态为背景设计了一套人体姿态评估系统,用于羽毛球运动员运动过程中人体姿态的估计和识别,并根据人体标准姿态库给出评估结果。本文总结了姿态估计与动作识别的区别和联系以及在不同维度下估计人体姿态坐标的优缺点。通过对羽毛球运动员的运动姿态进行分析,复现了三个深度神经网络模型。利用羽毛球运动员图像集验证各个模型的优缺点,并在其中选择基础模型展开人体姿态评估系统的后续设计。在设计过程中,首先通过分析实际场地中摄像头的摆放角度给出适用于估计羽毛球运动员人体姿态的最佳角度;其次通过分析摄像头参数,结合实际工程数据集给出摄像头最佳参数并通过人体姿态评估公式验证;然后使用压缩操作和间隔采样提高估计速度;最后讨论人体姿态评估中关注的问题及解决方法,并通过实验对比效果。本文提出了一个新的深度神经网络模型用于估计单帧图像中羽毛球运动员的人体姿态,在估计羽毛球运动员相关姿态时有良好的适应性在估计精度和估计速度方面都有良好的表现;结合羽毛球运动特点修正对传统人体姿态模型上做优化;将估计的人体姿态坐标系作为输入设计了一套人体姿态评估算法;最后实现整个系统的软件设计和硬件设计,通过实际测试验证估计模型、人体姿态模型和评估算法的效果。