多人姿态估计任务可以概括为两个阶段,第一阶段将输入图像中人体检测出来（人体检测）,第二阶段基于第一阶段检测出来的各个人体,进一步将其骨骼关键点位置定位出来（单人姿态估计）。多人姿态估计在人机交互、电影制作和安全监控等领域有巨大的应用背景。在技术方面,轻量化是深度学习多人姿态估计中近年来的研究热点之一。本文对深度学习多人姿态估计的轻量化方法进行了探索和研究,主要研究工作包括:针对单人姿态估计中目前最主流的高分辨网络（HRNet）,构建了轻量且高效的人体姿态估计模型。提出了轻量化模块H-Blocks,其通过融合深度可分离卷积进行轻量化,通过注意力机制和Mish激活函数保持轻量化模型的性能。提出了使用像素重组上采样到高分辨网络的方法,减少了网络特征的损失。提出了使用按通道级联的方法,优化了高分辨网络的输出结构。提出了H随机擦除,对数据进行增强,其利用小尺度擦除手段有效匹配了关键点定位任务的特性。提出了高分辨网络中使用基于泰勒公式的关键点解码方法,降低人体姿态估计中的量化误差。对于提出的方法,本文在国际知名的MPII人体姿态估计数据集和COCO人体姿态估计数据集上设计了一系列实验进行验证。验证结果表明,在相同精度的条件下,本文模型的参数量和计算量分别降低了62%和40%,明显优于其它轻量化模型。针对人体检测中目前主流的YOLOv4-Tiny轻量化模型,进一步提出了两个改进方法:S-Blocks和双注意力机制子网。提出了特征提取模块S-Blocks进一步降低了模型的计算量并提升推理速度。更具体地说,S-Blocks模块借鉴Inception的思想,利用点卷积降低模型的计算量。提出了由空间注意力机制和通道注意力机制共同构成的双注意力机制子网,加强主干网络对重点信息的提取。对于提出的方法,本文在国际知名的VOC目标检测数据集和COCO目标检测数据集上设计了实验进行验证。验证结果表明,相对于标杆网络YOLOv4-Tiny,本文改进后的方法在速度提升6%的条件下,m AP提升了1.9%。综合以上提出单人姿态估计和人体检测方法,本文对多人姿态估计整体模型在COCO数据集上进行了验证,模型的平均精度（AP）达到了74.2%。