本发明公开了一种基于二值化神经网络的人体姿态估计方法，属于计算机视觉和深度学习的模型压缩领域，首先，收集若干包括人姿态的图片，标记图片中每个人的关键点，逐张输入二维的高斯函数产生概率分布图，作为真实标签；然后，搭建二值化神经网络，逐张输入真实标签，使用改进的二值化的特征提取网络ReActNet进行特征提取；并利用二值化的上采样网络进行上采样，分别输出每个人体关键点的预测热力图；利用各预测热力图与真实标签进行拟合，训练二值化神经网络；最后，基于泰勒展开的坐标预测算法对热力图中每个关键点计算近似估计坐标，映射到真实坐标。本发明理使用二值量化方法实现90％以上的模型压缩比例，同时保持一定的精度。