تمثّل النماذج التركيبية الأنماط من خلال هياكل هرمية من الأجزاء والجزئيات ذات المعنى. وتساهم قدرتها على وصف العلاقات من الرتبة العليا بين أجزاء الجسم في التغلب على الغموضات المنخفضة المستوى في تقدير وضعية الإنسان (HPE). ومع ذلك، فإن النماذج التركيبية السابقة تقوم بفرضيات غير واقعية حول علاقات الأجزاء الفرعية، مما يجعلها غير قادرة على تمثيل الأنماط التركيبية المعقدة. علاوةً على ذلك، يمكن أن تكون فضاءات الحالة الخاصة بأجزاء الرتبة العليا ضخمة بشكل أسي، ما يُعقّد كلًا من الاستنتاج والتعلم. ولحل هذه المشكلات، يقدّم هذا البحث إطارًا جديدًا يُسمّى النموذج التركيبي المُدرّس بعمق (DLCM) لتقدير وضعية الإنسان. حيث يُستخدَم الشبكات العصبية العميقة لتعلم الطبيعة التركيبية للجسم البشري، مما يؤدي إلى شبكة ذات بنية هرمية تركيبية ومرحلتين للاستنتاج: من الأسفل إلى الأعلى ومن الأعلى إلى الأسفل. بالإضافة إلى ذلك، نُقدّم تمثيلًا جديدًا للجزئيات يعتمد على العظام، والذي لا يُعَبّر فقط بشكل مكثّف عن اتجاهات ومقاييس وأشكال الأجزاء، بل يُقلّل أيضًا من حجم فضاءات الحالة المحتملة التي قد تكون كبيرة جدًا. وبتعقيدات أقل بشكل ملحوظ، تتفوّق طريقة عملنا على أحدث الطرق المُتاحة في ثلاث مجموعات بيانات معيارية.