本研究探讨了多人解析问题。现有的方法，无论是遵循自上而下还是自下而上的两阶段范式，通常都涉及高昂的计算成本。我们提出了一种高性能的单阶段多人解析（SMP）深度架构，该架构将多人解析问题细分为两个子问题，即定位人体及其部位。SMP利用重心位置的点特征进行分割，并从人体重心生成一系列偏移量到各部位的重心，从而在无需分组过程的情况下实现人体与部位的匹配。在SMP架构中，我们提出了一个精炼特征保留模块，通过生成的掩码注意力提取实例的全局特征，并设计了一个可训练插件模块——感兴趣区域掩码重分类模块，以利用预测分割结果优化分类效果。在MHPv2.0数据集上的大量实验表明，所提出的方法在有效性和效率方面均表现出色，AP50p指标提高了2.1%，APvolp指标提高了1.0%，PCP50指标提高了1.2%，超越了现有最先进方法。特别是，该方法所需的训练轮次较少，且模型架构较为简单。我们将发布源代码、预训练模型和在线演示，以促进进一步的研究。