El análisis humano tiene grandes perspectivas de aplicación en el campo de la visión por computadora, pero todavía existen muchos problemas. En los algoritmos existentes, los problemas de localización de objetivos a pequeña escala y el problema de la oclusión del fondo no se han resuelto completamente, lo que puede llevar a una segmentación incorrecta o incompleta. En comparación con la práctica existente de concatenación de características, el uso de la correlación entre dos factores puede aprovechar al máximo la información de borde para un análisis refinado. Este documento propone el mecanismo de borde de correlación y red de análisis (MCEP), que utiliza el módulo de conciencia espacial y dos max-pooling (SMP) para capturar la correlación. La estructura incluye principalmente dos pasos, a saber, (1) operación de recopilación, donde, a través de la promoción mutua de características de borde y características de análisis, se presta más atención a la región de interés alrededor del borde del cuerpo humano, y las pistas espaciales del cuerpo humano se recopilan de manera adaptativa, y (2) operación de filtrado, donde se adopta el max-pooling paralelo para resolver el problema de oclusión del fondo. Mientras tanto, se dota a la capacidad de extracción de características del contexto semántico para mejorar la capacidad de extracción de características y evitar la pérdida de detalles de objetivos pequeños. A través de un gran número de experimentos en múltiples conjuntos de datos de una sola persona y de varias personas, este método tiene mayores ventajas.