ubuntu下OpenPose的安装、使用、初步介绍

安装之前你需要安装caffe。OpenPose 是第一个实时多人姿态估计系统，包括人体姿态、手指、面部表情等，总共有可以检测135个关键点。特点：功能：2D 实时多人关键点检测:15、18或25个身体/脚步的关键点检测，运算时间与检测出的人物数无关。2*21个手部关键点检测，运算时间取决于检测出的人数。70个人脸关键点检测，运算时间取决于检测出的人数。3D 实时单人关...

小小何先生

23656人浏览 · 2018-12-05 22:04:02

小小何先生 · 2018-12-05 22:04:02 发布

安装之前你需要安装caffe。

OpenPose 是第一个实时多人姿态估计系统，包括人体姿态、手指、面部表情等，总共有可以检测135个关键点。

特点：

功能：

2D 实时多人关键点检测:

15、18或25个身体/脚步的关键点检测，运算时间与检测出的人物数无关。

2*21个手部关键点检测，运算时间取决于检测出的人数。

70个人脸关键点检测，运算时间取决于检测出的人数。

3D 实时单人关键点检测:

从多个单视图实现3-D triangulation

红外摄像头的同步处理

与红外、点云、灰度摄像头兼容，并且提供c++的例子添加自定义输入。

校准工具箱。

能够使得你更加容易估计失真，内在和外在相机参数。

针对未来的加速优化和视觉流畅，增加了单人位置跟踪。

输入：图片、视频、网络摄像头、红外/点云灰度摄像头和IP摄像头，含有c++的实例，用户可以自定义输入。

输出：原有图片+关键点展示（PNG、JPG、AVI等格式），关键点数据存储文件（(JSON, XML, YML等格式）。

操作系统: Ubuntu (14, 16), Windows (8, 10), Mac OSX, Nvidia TX2.

其他：项目提供: 命令行测试、C++封装、C++ API接口；CUDA (Nvidia GPU), OpenCL (AMD GPU), and CPU 版本。

Sep 2018: Experimental single-person tracker 增加处理速度观看体现更加流畅!
Jun 2018: Combined body-foot model released! 40% faster and 5% more accurate!
Jun 2018: Python API 发布!
Jun 2018: OpenCL/AMD graphic card version 发布!
Jun 2018: Calibration toolbox 发布!
Jun 2018: Mac OSX version (CPU) 发布!
Mar 2018: CPU version!
Mar 2018: 3-D keypoint reconstruction module (从多个摄像头识别)!

更多细节, 检查 all released features 和 release notes.

安装、重装、卸载：

需要在windows下安装的可在官方Github中找到相关链接。这里我在ubuntu下进行安装。

# 下载源码
git clone https://github.com/CMU-Perceptual-Computing-Lab/openpose.git
# 检查是否需要更新
git pull origin master
# 安装cmake-gui
sudo apt-get install cmake-qt-gui 
# 下载模型
cd models
./getModels.sh
cd ..
# 创建build文件
mkdir build

填写openpose源码目录以及build，点击Configure按钮, 选择Unix Makefile和use default native compling，点击finish按钮

cmake-gui

完成之后：

重点是将BUILD_CAFFE的勾取消，Caffe_INCLUDE_DIRS和Caffe_LIBS的路径参考上图

点击Generate按钮，显示Generating done。

接下来在openpose文件夹下打开终端，执行：

cd build/
make -j`nproc`

安装完成后，在openpose文件夹下执行：

视频：

./build/examples/openpose/openpose.bin --video examples/media/video.avi

摄像头：

./build/examples/openpose/openpose.bin --face --hand

图片：

./build/examples/openpose/openpose.bin --image_dir examples/media/ --face --hand

大多数用户不需要OpenPose C++/Python而仅仅需要使用OpenPose的Demo：

OpenPose Demo:为了便于处理图片、视频或者网络摄像头的视频流，并展示和后处理结果，看doc/demo_overview.md，例如，你可以直接通过以下命令在Ubuntu操作系统上处理一个视频。

# Ubuntu
./build/examples/openpose/openpose.bin --video examples/media/video.avi
:: Windows - Portable Demo
bin\OpenPoseDemo.exe --video examples\media\video.avi

校准工具箱：三维的OpenPose处理和其它立体视觉处理任务需要你校准摄像机，看doc/modules/calibration_module.md。
OpenPose C++ API：如果你想读取特定的输入数据、增加个性定制的后处理功能或者展示存储功能，查看C++的API接口，examples/tutorial_api_cpp/ 和 doc/library_introduction.md.你可以创建你自己的代码依照这个例子examples/user_code/，快速完成并且编译整个OpenPose项目，看这个文档examples/user_code/README.md获取更多的创建自己代码的细节问题。
OpenPose Python API：与C++的接口类似，Python的接口查看文档examples/tutorial_api_python/。
增加额外的模块：在文档doc/library_add_new_module.md中可以找到更多的信息。
标准的人脸或者手指检测：
脸部关键点检测，不进行身体关键点的检测：如果你想要加速（并且会减少检测人脸的数量），查看文档：doc/standalone_face_or_hand_keypoint_detector.md。
使用你自己的脸部和手部识别工具：与身体关键点识别不同，你可以使用你自己的脸部和手部识别工具。比方说，在手指能看清但身体看不清的时候使用（OpenPose的识别器不能正常工作），查看文档：doc/standalone_face_or_hand_keypoint_detector.md。