近年来智能监控、人机交互、智能家居、自动驾驶等领域的发展对于人物及其行为的检测与跟踪的研究提出了需求。识别和跟踪人体的骨架结构是人物动作分析的重要基础,目标检测与跟踪技术也迎来了新的发展需求——人体姿态估计与跟踪。姿态估计要求准确识别和定位图像中人体骨架关键点的位置;姿态跟踪则是利用视频中前后帧的关系检测和跟踪视频中的人体关键点。本文主要研究在自主识别目标人物基础上的单人姿态估计与跟踪,即利用目标检测算法自动检测出人物位置之后,进行目标人物的姿态估计与跟踪。该研究对促进人物行为分析和预测以及场景理解具有重要意义。目前的目标检测算法通常以目标边界框（锚框）的形式穷举出潜在目标位置,然后对边界框进行前景（目标）和后景（背景）的分类和精确位置的回归,这种检测方法相对低效并且需要昂贵的后处理程序;同时,现有的单人姿态跟踪算法研究较少,大多数基于光流的多人姿态跟踪算法更注重姿态估计的精度而非算法速度,无法满足在线跟踪的要求。针对以上问题,本文的主要研究工作如下:（1）对现有的基于锚框机制的目标检测和基于光流的姿态跟踪算法开展了研究。分析了锚框机制和光流法的不足,设计了免锚框的人物目标检测和基于孪生网络的姿态估计与跟踪的总体方案。（2）提出了基于Center Net的免锚框人物检测算法实现第一帧目标人物位置的检测。将目标人物的检测等价于目标中心点的检测以及目标尺寸的回归。通过实验验证了相比于经典的基于锚框的目标检测算法,所提出的目标检测算法在人物检测速度和精度上都有所提升。（3）设计了一种基于孪生网络和区域候选网络的单人姿态估计与跟踪算法。通过区域候选网络实现了目标人物的多尺度检测,详细设计了输入图片预处理过程和算法网络框架。为了实现目标人物姿态的跟踪,在孪生网络上增加了姿态估计分支,姿态估计分支与孪生网络共享特征提取网络。设计了姿态估计分支的网络模型,在基于热力图所预测的关键点位置上,补偿了因卷积步长引起的离散性误差,提升了关键点检测的精度。在公共数据集上检验了所提出算法的精度和速度。实验结果表明,相比于其它的姿态跟踪算法,所提出的算法实现了关键点检测精度和跟踪速度上的更好权衡。（4）将训练好的模型移植到可移动的便携式嵌入式AI平台上测试。对比了算法在不同硬件平台上的目标跟踪速度和精确率与成功率差异,并在嵌入式AI平台上进行了实际场景下的单人姿态估计与跟踪实验,实验结果表明,算法在实现良好的姿态估计效果的同时,能够达到实时的姿态跟踪需求。本文首次提出利用孪生网络完成单人姿态估计与跟踪,显著提升了姿态跟踪的速度,并且结合了区域候选网络实现了跟踪过程的目标多尺度检测。所提出的姿态估计与跟踪算法在智能监控、自动驾驶等领域具有广阔的应用前景。