行人安全一直是驾驶领域的一个关键问题,也成为了制约自动驾驶发展的关键因素之一。早期的方法主要将行人当做特殊障碍物处理,而忽略了人体的运动特性。随着深度学习在人体姿态估计领域的快速发展,越来越多高准确度、高检测速度的模型相继提出,将其应用到自动驾驶决策系统中成为了一个热门研究方向。本文首先研究综述了目前主流的二维人体姿态估计方法,然后基于单目相机拍摄的街景图像,使用深度学习方法,探索在自动驾驶环境下进行人体姿态估计的可行性,为更高要求的行人安全提供理论帮助。针对车载相机获取的远距离低分辨率街景图像,本文采用自底向上的设计思路构建了一个多人人体姿态估计网络模型。相比于传统的基于手工设计的特征提取器,深度卷积神经网络能够自动学习最优的图像特征。本文通过累加卷积层的方式增大感受野,使得网络模型能够学习到更为全局、语义层次更高的特征,达到隐式学习人体结构信息的目的,增强了网络模型的泛化性和鲁棒性。同时采用中继监督的方式构建损失函数,防止网络过深导致的梯度消失现象。本方法在基准数据集MPⅡ和MS COCO上分别取得了 72%、68%的准确率,远远超过传统算法的检测精度。针对网络模型在室外场景下检测能力较弱的问题,本文在原有网络结构的基础上引入动态残差结构,增强网络识别特征的能力,使得模型能够适应不同场景。同时在基准数据集的基础上添加了专门的车外场景数据集,对该场景下的人体关键点进行了二维坐标标注,并通过数字图像处理技术对训练集进行了增强。增强后的网络模型在室外场景的检测能力比原有模型提升了2个百分点。针对网络模型难以直接部署到硬件资源受限的车载终端,本文对网络模型进行了深度优化。本文使用深度可分离卷积代替标准卷积操作,在保证大感受野的同时减少模型参数,极大降低了卷积计算量。除了对Backbone网络进行改进外,本文还通过合并冗余的并行分支、使用残差块代替大卷积核等操作精简RefineNet结构。实验表明,最终优化后的网络模型在保证准确率近似的同时,整个模型的体积减小了 83%,检测效率提升了十倍。本文构建的人体姿态估计网络模型有望应用到自动驾驶领域中,通过检测人体骨架线对行人行为进行分析以及预测行人行走轨迹等,使车辆提前做出安全预警,能够极大提升行车安全。