为提升人体姿态估计在移动终端设备上的运行速度与实时性，提出一种改进的人体关键点检测算法。通过将 Mobilenetv2轻量级主干网络与深度可分离卷积模块相结合加速特征提取过程，使用精炼网络进行多尺度人体关键点预测，并利用融合网络整合多个尺度的预测结果得到最终人体关键点检测结果。实验结果表明，与传统CPM算法相比，该算法在网络模型参数量和浮点运算量明显减少的情况下PCKh@05仅下降01个百分点，具有较高的检测精度和较好的实时性。

基于python，直接可运行，人体关键点定位，详情参考博客： https://zhumingde.blog.csdn.net/article/details/122181230

基于深度学习目标检测和人体关键点检测的不健康坐姿检测（部分代码）

Python OpenCV OpenPose，实现人体姿态估计

公司项目用到的案列，pytorch框架python代码，CPU可以直接训练，没有GPU也可以进行测试，同时在关键点的基础上加上逻辑判断，进行行为分析，可以根据自己的需求进行逻辑修改