服装网购已经成为现代人选择购买服饰的重要方式,人们在便捷的选购衣服同时也对服装的款式、面料、颜色等提出了个性化的需求。为了尽可能准确地描述各种各样服装的特点,可以利用服装关键点对服装进行局部细节解析。服装关键点的定位是一项基础性的工作,能够推动在线试衣、服饰部位对齐、服饰局部属性识别、服饰图像自动编辑等应用,在时尚大数据分析和应用中起关键作用。但服装数据存在种类繁多、姿态变化大、服装遮挡等问题,已有的研究主要根据服装纹理判断服装关键点的位置,未能很好的适应服装柔性多变的特点,对于服装遮挡问题未能很好的解决。因此,本文主要的工作包括:（1）传统服装关键点检测方法由于服装类别多、姿态复杂、小范围遮挡等问题导致部分关键点信息丢失且难以建立关键点之间联系。针对这些问题,提出了一种基于CPM和亲和度向量的两阶段服装关键点检测方法,首先使用目标检测的方法减小服装类别和背景对服装关键点检测的影响,其次利用并改进人体关键点检测的模型CPM对服装关键点进行检测,并使用亲和度向量对相邻关键点的坐标信息进行约束,增强相邻关键点相对位置关系,利用关键点间空间约束以提高检测的准确度。最后实现了一个两阶段的服装关键点检测框架。实验表明,该框架对服装关键点分散性、多类别和小范围遮挡都具有较强鲁棒性,相对于最优模型CPN,其归一化误差率降低了4.58%。（2）由于服装的遮挡、多角度等因素对服装关键点检测的准确率有着重要的影响,神经网络对服装关键点特征提取能力受服装遮挡和关键点信息模糊的限制。针对这些问题,本文提出一种基于金字塔网络和人体姿态的遮挡感知服装关键点检测方法,首先,通过注意力机制来表达关键点的自相关性以缓解部分遮挡的服装纹理特征不易捕捉的问题,并根据关键点特征值稀疏性分析防止离散点被遗漏。其次,通过对关键点有效高层特征的选择避免多余的计算,借助人体关节点与服装关键点的相近性进行关联计算,以缓解遮挡区域关键点的语意模糊性。实验表明,该方法具有一定的空间理解能力,对服装中的遮挡物有较强的感知能力,能有效的弥补遮挡服装语义模糊性。