人体姿态估计是计算机视觉领域重要的研究方向之一,目的是从给定单张图像中检测出人体关节点的坐标位置,是行为识别、人机交互等下游应用的基础支撑。目前人体姿态估计算法主要基于深度卷积神经网络实现。首先,由于模型采用深度网络,直接利用输出端误差通过反向传播优化参数,会导致网络浅层部分参数梯度消失。多输出中继监督虽然可以避免浅层梯度消失,但只考虑了多个输出与真实标签之间的误差,未考虑多个输出之间的联系。其次,由于人体姿态估计模型复杂,无法部署到计算资源有限的设备上,通常情况下研究人员采用知识蒸馏的方式对模型进行压缩。知识蒸馏压缩模型需要已训练的大模型和待训练的小模型。由于模型输入输出分辨率较大,导致压缩过程耗时、占用资源多。再者,现有基于深度学习的人体姿态估计模型或只关心模型性能,或只关心模型压缩,并未在训练时联合考虑模型性能的提升与模型压缩的实现。本文从这一角度出发,联合考虑了中继监督和知识蒸馏的缺点,将中继监督思想与知识蒸馏思想相结合,提出了两种基于自蒸馏的模型训练方法:单一自蒸馏和集成自蒸馏。它既建立了中继监督多个输出之间的联系,提升了现有模型的性能;同时又避免了知识蒸馏压缩模型需要已训练完成的教师模型的缺点。本文的主要研究内容与贡献点如下:（1）提出了一种单一自蒸馏算法,该算法将中继监督与知识蒸馏相结合,通过中继监督算法产生多个不同深度的子模型,将最深层子模型视为教师模型,其余浅层子模型视为学生模型,学生模型接受教师模型预测结果和真实标签的共同监督学习,教师模型只接受真实标签的监督学习。（2）在单一自蒸馏的基础上,进一步将集成蒸馏嵌入,提出了一种集成自蒸馏算法。与单一自蒸馏算法不同的是,集成自蒸馏算法将当前浅层网络视为学生模型,后续所有子模型均视为其教师模型,学生模型接受多个教师模型预测结果和真实标签的多重监督学习,最深层子模型只接受真实标签的监督学习。（3）针对所提出的两种自蒸馏算法,本文在MPII数据集上进行了广泛地实验验证。实验结果表明:与中继监督算法相比,两种自蒸馏算法可以以同样的实验代价实现更好的模型性能;与传统知识蒸馏压缩模型相比,两种自蒸馏算法不需要已训练好的教师模型便可以实现模型压缩,且性能优于传统知识蒸馏压缩。