短视频的风潮为视频个性化创作提供了广阔的应用场景,以人为主体的视频创作更是受到追捧。人体动作迁移任务定义为给定人物源图片和目标动作图片,实现源图片中人物完成目标动作。其核心在于生成真实的人体,包括与目标姿态匹配、人物纹理真实、肢体完整、形态自然、影子合理等。本文从人体动作迁移的问题与挑战出发,进行了相应研究。首先,针对人体关键点热图作为引导机制无法提供肢体拓扑连接关系导致连接混乱的问题,本文提出人体一致性引导模块（Identity Consistency Guiding Block,ICGB）。此模块通过构建人体拓扑图在动作迁移过程中维持肢体拓扑关系,学习源动作和目标动作之间的变换场渐进式完成动作迁移。本文基于指标对比和可视化对比证明了 ICGB可生成连接关系正确的肢体,提高与目标姿态的匹配度。其次,背景重构占据了生成器部分生成能力,本文提出目标监督机制（Object Supervision Mechanism,OSM）。此机制通过只监督目标区域不仅可解耦背景重构和人体迁移,提高生成纹理的真实性与肢体完整性,而且可生成匹配目标姿态的影子。本文不仅通过实验证明了背景重构影响卷积核的生成偏好,而且构建对比实验证明了OSM机制的有效性。最后,提出了渐进式拓扑姿态迁移网络以生成更加真实的人体。本文进行了丰富的对比实验证明了网络的有效性与先进性,利用迁移过程可视化实验提供可解释性,在DeepFashion、FSDV、iPER三个公开数据集上达到了目前的最优效果。