في هذا البحث، نقدم شبكات العلاقات البينية والداخلية للإنسان (I^2R-Net) لتقدير وضعيات الأشخاص المتعددين. يتضمن هذا النهج وحدتين أساسيتين. أولاً، وحدة العلاقة الداخلية للإنسان تعمل على شخص واحد وتهدف إلى التقاط الارتباطات الداخلية للشخص. ثانياً، وحدة العلاقة البينية للإنسان تأخذ بعين الاعتبار العلاقة بين عدة حالات وتركز على التقاط التفاعلات البينية للأشخاص. يمكن تصميم وحدة العلاقة البينية للإنسان بشكل خفيف جداً عن طريق تقليل دقة الخريطة المميزة، ومع ذلك فإنها تتعلم معلومات علاقة مفيدة تسهم بشكل كبير في تعزيز أداء وحدة العلاقة الداخلية للإنسان. حتى بدون إضافات معقدة، يمكن لطريقتنا المنافسة أو التفوق على الفائزين الحاليين في المسابقات. قمنا بإجراء تجارب واسعة على مجموعات بيانات COCO وCrowdPose وOCHuman. أظهرت النتائج أن النموذج المقترح يتفوق على جميع الأساليب الرائدة حاليًا. تحديدًا، حققت الطريقة المقترحة نسبة 77.4% من الدقة (AP) على مجموعة بيانات CrowdPose ونسبة 67.8% من الدقة (AP) على مجموعة بيانات OCHuman، مما يتفوق بشكل كبير على الأساليب الموجودة حاليًا. بالإضافة إلى ذلك، أثبتت دراسة الإلغاء والتحليل المرئي أيضًا فعالية نموذجنا.