本发明涉及计算机视觉领域，具体公开了一种基于Transformer的人体姿态估计方法，包括特征提取模块，所述特征提取模块用于对输入图像实现局部特征提取，得到初级特征图像；特征交互模块，所述特征交互模块用于对输入图像实现全局特征交互，得到交互特征图像；特征恢复模块，所述特征恢复模块用于对交互特征图像进行特征恢复，得到预测特征图像；将预测特征图像作为预测热图，与真值ground_truth关节点的热图进行计算，得到训练的损失值loss，实现梯度回传，完成特征提取模块、特征交互模块和特征恢复模块的训练。为人们提供了一个新的思路去平衡人体姿态估计过程中的效率和效果，本申请能提高传统方法效果的同时降低了网络参数，提高了计算速度，更能满足实际需求。