التقدير المكاني للإنسان يلعب دورًا مهمًا في العديد من مهام رؤية الحاسوب وقد تم دراسته لعدة عقود. ومع ذلك، بسبب التغيرات المعقدة في المظهر الناجمة عن الأوضاع والإضاءات والاخفاء والدقة المنخفضة، لا يزال يمثل مشكلة صعبة. الاستفادة من المعلومات الدلالية عالية المستوى التي توفرها الشبكات العصبية التلافيفية العميقة هي طريقة فعالة لتحسين دقة تقدير الوضع البشري. في هذا البحث، نقترح طريقة جديدة للتجميع المتدرج للميزات (CFA)، والتي تربط عدة شبكات الساعة الرملية لتحقيق تقدير متين للوضع البشري. يتم تجميع الميزات من مراحل مختلفة للحصول على معلومات سياقية وفيرة، مما يؤدي إلى متانة أكبر تجاه الأوضاع والاخفاء الجزئي والدقة المنخفضة. بالإضافة إلى ذلك، يتم دمج النتائج من المراحل المختلفة لتحسين دقة التحديد بشكل أكبر. تُظهر التجارب الواسعة على قواعد بيانات MPII و LIP أن الطريقة المقترحة CFA تتفوق على أحدث التقنيات وتحقق أفضل أداء في معيار MPII المرجعي.