人体姿态估计是计算机视觉的核心任务之一,具有重要的科研价值和实际应用价值。人体姿态估计对于下游的任务:步态识别、行人跟踪、行人姿态跟踪等有重要的推进作用。同时,在智能监控、虚拟现实、运动员辅助训练等领域对人体姿态估计有广泛的需求。近些年来,随着深度学习技术在计算机视觉领域的应用,人体姿态估计问题取得了一些里程碑式的进展。大体上可将现有算法分为两类,第一类为自上而下算法,这些算法需要首先借助目标检测算法将多人姿态估计问题转化为单人姿态估计问题,之后再将得到的结果映射回原图像;第二类为自下而上算法,首先检测图像中所有的人体关键点,然后将人体关键点分组得到人体姿态。相较于现有的两类方法,本文提出了一种基于目标检测的单阶段人体姿态估计算法,引入人体姿态的结构化表示,同时设计了人体中心点采样方法,分配正负样本。为了实现单阶段人体姿态估计,本文的算法在特征图上进行密集预测。为提高精度以及解决姿态和特征的不对齐问题,设计了姿态提议模块与自适应姿态特征对齐模块。最后在大型公开基准数据集上进行了大量的实验,验证了我们所提出算法的有效性,无论在性能指标和视觉效果上均取得了较好的结果。