Estimar la postura humana en entornos de enseñanza inteligentes y concurridos es un desafío técnico fundamental para medir los niveles de compromiso de los aprendices. Este trabajo presenta un modelo para detectar puntos críticos en la postura humana utilizando ECAv2-HRNet en situaciones concurridas. El documento introduce un método llamado ECAv2Net, que combina un método de refuerzo de características de canal con la red de mecanismo de atención ECANet, esta innovación mejora el rendimiento de la red. Además, ECAv2Net se integra en la red de alta resolución HRNet para crear ECAv2-HRNet. Esta fusión permite la incorporación de información de características más útiles sin aumentar los parámetros del modelo. El documento también presenta un conjunto de datos de postura humana llamado GUET CLASS PICTURE, que está diseñado para escenas densas. Los resultados experimentales al utilizar este conjunto de datos, así como un conjunto de datos público, demuestran el rendimiento superior del modelo de estimación de postura humana basado en ECAv2-HRNet propuesto en este documento.