为了提高人体姿态估计的准确度和检测速度，提出了一种基于深度残差网络的多人姿态估计算法。首先使用现有的先进目标检测算法检测出人体位置，再在人体边界框内作单人姿态估计。对现有模型的残差块进行改造, 降低了模型的参数量，加入多尺度监督模块和多尺度回归模块辅助训练，提高了模型的学习效率，并采用新的坐标提取方法进一步提高了模型的泛化能力和推理速度，在流行的MPII、COCO数据集上进行了训练和测试。MPII测试集上PCKh@0.5获得了92.1%的得分，2017 COCO test-dev集上mAP获得了72.4的得分，比Simple Baseline基准模型提高了2.4%。使用一张GTX1080Ti 显卡对平均每帧有5个人体实例的图片进行推理时，运行速度达到26帧，推理速度极具竞争力。这充分证明了所提出的算法有效提高了人体关键点的识别精度和速度。