Los métodos tradicionales de estimación de postura humana suelen depender de modelos y algoritmos complejos. Lite-HRNet puede lograr un excelente rendimiento al tiempo que reduce la complejidad del modelo. Sin embargo, su escala de extracción de características es relativamente única, lo que puede llevar a una menor precisión de localización de puntos clave en escenas concurridas y complejas. Para abordar este problema, proponemos un modelo ligero de estimación de postura humana basado en un mecanismo de atención de coordenadas de canal conjunto. Este modelo proporciona un canal de interacción de información potente, permitiendo que las características de diferentes resoluciones interactúen de manera más efectiva. Esta interacción puede resolver el problema de la estimación de postura humana en escenas complejas y mejorar la robustez y precisión del modelo de estimación de postura. La introducción del mecanismo de atención de coordenadas de canal conjunto permite que el modelo retenga de manera más efectiva la información clave, mejorando así la precisión de localización de puntos clave. También rediseñamos el módulo básico ligero utilizando el módulo de mezcla y el mecanismo de atención de coordenadas de canal conjunto para reemplazar el módulo de cálculo de peso espacial en el modelo Lite-HRNet original. Al introducir este nuevo módulo, no solo mejoramos la velocidad de cálculo de la red y reducimos el número de parámetros del modelo completo, sino que también garantizamos la precisión del modelo, logrando así un equilibrio entre rendimiento y eficiencia. Comparamos este modelo con los métodos principales actuales en los conjuntos de datos COCO y MPII. Los resultados experimentales muestran que este modelo puede reducir efectivamente el número de parámetros y la complejidad computacional al tiempo que garantiza una alta precisión del modelo.