In dieser Arbeit stellen wir die Intra- und Inter-Human Relation Networks (I²R-Net) für die Mehrpersonen-Pose-Schätzung vor. Das Modell umfasst zwei grundlegende Module. Erstens operiert das Intra-Human Relation Modul auf einer einzelnen Person und zielt darauf ab, intra-personale Abhängigkeiten zu erfassen. Zweitens berücksichtigt das Inter-Human Relation Modul die Beziehungen zwischen mehreren Instanzen und konzentriert sich auf die Erfassung inter-personaler Interaktionen. Das Inter-Human Relation Modul kann durch Reduzierung der Auflösung der Merkmalskarte sehr leichtgewichtig gestaltet werden, lernen jedoch nützliche Beziehungsinformationen, die die Leistung des Intra-Human Relation Moduls erheblich verbessern. Selbst ohne zusätzliche Optimierungen kann unsere Methode mit den aktuellen Wettbewerbsgewinnern konkurrieren oder diese sogar übertreffen. Wir führen umfangreiche Experimente auf den Datensätzen COCO, CrowdPose und OCHuman durch. Die Ergebnisse zeigen, dass das vorgeschlagene Modell alle bisherigen Stand der Technik übertrifft. Konkret erreicht die vorgeschlagene Methode eine AP von 77,4 % im CrowdPose-Datensatz und eine AP von 67,8 % im OCHuman-Datensatz, wobei sie bestehende Methoden deutlich in den Schatten stellt. Darüber hinaus beweisen auch die Ausblendungsstudie und die Visualisierungsanalyse die Effektivität unseres Modells.