随着智慧城市的快速发展,依据监控视频获取高质量的人群分析成为了亟待解决的问题,人群计数更是人群分析的关键要素.然而,基于目前的工作,行人检测场景下的计数方法难以达到实时准确的要求.提出了一种新型的基于2D人体姿态估计的人群计数算法,通过优化人体关节点检测和肢体连接方式,用于生成高质量的人数估计.该算法由三部分构成:以VGG-19作为骨干网络加入特征金字塔(FPN)的网络结构使识别出的人体关节点更多,利用最小权重生成树结构的肢体连接优化方式为小尺寸行人确定最佳匹配,构建高区分度骨架的关联评分过程.该算法明显提升了关节点识别精度与实时性,降低了计数误差.在MPⅡ测试集上的mAP性能比OpenPose高5.3％.与CP-CNN相比,帧率是它的300倍.在SHB测试集的结果表明,该算法比基于检测的方法计数精度更高.