为了在集约化、大规模、精确的畜牧业管理中及时分析动物的运动姿态，针对不同环境下动物关节点识别精度低的问题，提出了一种双路径网络（Dual-path-net、Dp-net）特征提取方法。首先，在高分辨率网络的输出分支后面添加了一个混合分割旋转（HDC）和一个平行注意模块（PAM），以识别关键点的坐标。然后，利用该模型生成的热图和本研究中设置的精确圆，进一步精确定位关键点的位置，并用斜率法识别和匹配动物肢体的关节点，从而获得正确的骨骼结构。最后，该模型提取并分析了动物在不同速度下的四个运动参数：同侧步距、步频、关节角度和步态占空比。实验结果表明，该方法对分类动物五个关键点的模型识别准确率为91.1%，召回率为91.0%，五个关键点的平均相似度为87.0%。它可以有效地监测农场或牧场上的狗、牛群羊和其他个体的健康状况。