一种基于深度学习的人体关键点检测方法，包括数据获取、网络构建、模型训练和评估、最优模型预测等步骤。本发明通过对ResNet50网络进行改进提出了扩张卷积残差网络，采用两级扩张卷积残差网络构建了人体关键点检测网络。模型训练时第一级网络对训练数据进行特征提取并使用四个通道进行预测，将预测结果中所有关键点计算损失后返回调整网络参数；采用中间级将第一级网络的输入特征图、输出特征图和预测结果相加后传送至第二级，由第二级网络进行特征提取并经过两层转置后对最后得到的特征图进行预测，计算预测结果的关键点损失并按从大到小排序，选择前K×B个损失返回调整网络参数。选择最优的训练模型对将待检测图像进行人体关键点预测，精度高实用性好。