在动物科学研究中,研究动物的行为对研究动物个体生存、种族繁衍以及医学研究都有着重要作用。但是,在动物行为学实验中,对实验体的活动状态、姿态变化和运动变化的数据采集和记录一直是实验过程中的难题。如何借助计算机视觉技术实现动物姿态数据的自动识别和记录是动物实验面临的新课题和挑战。本文结合计算机视觉领域的目标检测算法和姿态估计算法,设计和实现了一种用于小鼠姿态估计的系统。本系统可以实时且高效的对图像中的小鼠目标进行检测和定位,并利用姿态估计算法进行小鼠身体关节点的估计。系统将复杂的计算机神经网络进行轻量化,使其能够运行在计算资源有限的设备上。实验表明,本设计的方法能够流畅的在边缘计算设备上实现小鼠在各个姿态下关节点坐标的估计。本文的主要工作如下:（1）提出并实现了小鼠姿态估计系统的四层体系架构。（2）制作了一个用于训练小鼠姿态估计算法的大规模小鼠姿态数据集。（3）设计了用于小鼠姿态估计系统的轻量化算法模型,使算法能够高效地实现在有限的计算资源下的姿态估计任务。（4）实验表明,本系统能够以每秒28帧的速率实现对小鼠进行准确率约82%的目标检测和17个像素误差的姿态估计。能够对小鼠不同的姿势进行准确的姿态关节点估计。在小鼠新物体识别实验中能够快速、准确的识别小鼠的姿态变化,帮助定位小鼠位置和跟踪小鼠的运动轨迹。