在人体姿态估计任务中,多数工作主要关注模型的准确性,忽略了与效率相关的因素,例如模型大小、参数量、推理时间等,而这些指标对实际应用至关重要.针对上述问题,提出一种基于YOLOv8-pose算法的轻量化人体姿态估计算法.算法加入了跨尺度特征融合模块(cross-scale　feature　fusion　module,CCFM),增强模型对于小尺度对象的检测能力,有效结合细节特征和上下文信息,并降低了模型的参数量.同时使用SENetV2　替换了YOLOv8-pose中C2f模块的卷积结构,加强了模型在全局角度的考虑,提高了模型的预测精度.使用MPDIoU损失函数提高了模型在训练过程中对边界框误差的计算和模型的推理精度,在mAP50∶95　指标上相比原模型提高了　1.3%.