针对实时视频中头部姿势准确估计的问题，提出了一种创新的6DRepNet-MobileViT模型。该模型采用改进的MobileNetV2作为骨干网络，通过降低训练复杂性，实现了训练速度与精度的平衡，使用Hard-Swish函数，解决了较大的数值范围导致的精度下降问题。使用混合损失函数，将地标距离损失函数与姿态欧拉角损失函数结合，更全面地提高了姿态估计的准确性。在公共数据集AFLW2000和BIWI上进行实验，结果表明：6DRepNet-MobileViT在各种复杂场景中均表现出高效的估计性能。