Detectar cambios de postura de atletas en deportes es una tarea importante en la enseñanza y competencias de entrenamiento, pero su detección sigue siendo un desafío debido a la diversidad y complejidad de las posturas deportivas. Este documento presenta un algoritmo de estimación de postura de una sola etapa llamado yolov8-sp. Este algoritmo mejora la arquitectura original de yolov8 al incorporar el concepto de fusión de características multidimensionales y el mecanismo de atención para capturar automáticamente la importancia de las características. Además, en este documento, se realiza la extracción de ángulos para tres articulaciones de movimiento cruciales en la escena de movimiento, con correcciones polinómicas aplicadas en cuadros sucesivos. En comparación con el yolov8 de referencia, el modelo mejorado lo supera significativamente en aspectos de precisión promedio. Específicamente, el rendimiento del modelo mejora de 84.5 AP a 87.1 AP, y el rendimiento de los aspectos de ángulo y precisión también muestra diferentes grados de mejora; se prueba la precisión de detección de ángulos conjuntos bajo diferentes escenarios deportivos, y la precisión general se mejora de 73.2% a 89.0%, lo que demuestra la viabilidad del método para la estimación de postura del cuerpo humano en deportes y proporciona una herramienta confiable para el análisis de los ángulos articulares de los atletas.