玩转OpenPose

【玩转OpenPose】编译篇一、开发环境二、下载与安装2.1 CUDA(用于高性能计算)与 CUDNN(用于深度神经网络计算的支持)2.2 下载Cmake2.3 下载0penPose源码2.4 下载caffe-openpose源码2.5 下载pybind11源码

三、编译OpenPose(以上步骤完成-开始编译)3.1 编译GPU3.2 编译CPU3.3 demo测试(GPU版和CPU版都相同)

四、建立OpenPoseDemo项目4.1 先创建项目,建立bin目录和models目录,bin目录放依赖的相关文件,models放模型文件。4.2 将build_GPU(build_CPU)/x64/Release目录下的openpose.dll复制到项目的bin目录下4.3 将build_GPU(build_CPU)/bin目录下的全部文件复制到项目的bin目录下4.4 将build_GPU(build_CPU)/python/openpose/Release目录下的pyopenpose.cp37-win_amd64.pyd文件复制到项目的根目录下4.5 将openpose/models目录下的所有文件复制到项目的/models目录下4.6 主要文件已经准备就绪,使用python测试是否可用

五、常见问题5.1 Check failed: error == cudaSuccess (2 vs. 0) out of memory5.2 在cmake过程中可能出现提示5.3 官方常见问题解决方法

六、补充

【玩转OpenPose】编译篇

OpenPose人体姿态识别是由美国卡耐基梅隆大学(CMU)基于卷积神经网络和监督学习并以Caffe为框架开发的开源库。可以实现人体动作、面部表情、手指运动等姿态估计。适用于单人和多人,具有极好的鲁棒性。是世界上首个基于深度学习的实时多人二维姿态估计应用。 编译好的OpenPose项目: 已上传供大家使用(包括CPU版和GPU版) (C++接口和Python接口)

一、开发环境

1、系统环境

操作系统CPUGPUwindows 10Intel® Core™ i5-8300HGeForce GTX 1050 Ti

2、软件环境

pythonCUDACUDNNVisual StudioCmake3.7v11.68.42022 community3.24

二、下载与安装

2.1 CUDA(用于高性能计算)与 CUDNN(用于深度神经网络计算的支持)

① 官方教程:

CUDA:https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html CUDNN:https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installwindows

② CUDA安装 CUDA toolkit Download:https://developer.nvidia.com/cuda-toolkit-archive

桌面右键打开NVIDIA控制面板,点击帮助-系统信息-组件,查看自己显卡支持的CUDA版本: 在CUDA网站下载对应的版本: 下载安装包: **安装CUDA:**保持路径默认即可

在CUDA的安装路径这里,保持默认就好,默然安装在C盘(保证C盘有足够空间,防止后期编译找不到CUDA的路径)。

安装完成后: 查看环境变量是否存在: 如果系统变量没有自动配置的话,需要我们手动配置。路径是根据前面是否自己有没有修改来指定。

**最后:**配置好环境变量后,我们检查下CUDA是否安装成功。

打开cmd输入

nvcc -V

nvcc --version

显示cuda_11.6成功下载完成!

③ CUDNN安装 官网下载:https://developer.nvidia.com/rdp/cudnn-archive

CUDNN需要对应安装的CUDA版本 下载完成后解压全部的文件后: CUDA和CUDNN安装成功!!!

2.2 下载Cmake

下载对于的版本: 链接:https://cmake.org/download/ 后解压!看到Cmake-gui即可。

2.3 下载0penPose源码

方法一: 浏览器打开点击下载 openpose官方链接:https://github.com/CMU-Perceptual-Computing-Lab/openpose(需要科学探索下载速度才快)

方法二: git命令下载

git clone https://github.com/CMU-Perceptual-Computing-Lab/openpose.git

下载所需的模型: 1.运行 …/openpose-master/models/ 中的 getModels.bat 使用迅雷下载链接 face模型:http://posefs1.perception.cs.cmu.edu/OpenPose/models/face/pose_iter_116000.caffemodel hand模型:http://posefs1.perception.cs.cmu.edu/OpenPose/models/hand/pose_iter_102000.caffemodel pose/body_25模型:http://posefs1.perception.cs.cmu.edu/OpenPose/models/pose/body_25/pose_iter_584000.caffemodel pose/coco模型:http://posefs1.perception.cs.cmu.edu/OpenPose/models/pose/coco/pose_iter_440000.caffemodel pose/mpi模型:http://posefs1.perception.cs.cmu.edu/OpenPose/models/pose/mpi/pose_iter_160000.caffemodel 2. 运行 …/openpose-master/3rdparty/windows 中的 ①getCaffe.bat | ②getCaffe3rdparty.bat | ③getFreeglut.bat | ④getOpenCV.bat | ⑤getSpinnaker.bat (速度慢,百度网盘分享给大家-替换3rdparty/windows)

2.4 下载caffe-openpose源码

方法一: 链接下载 caffe链接: https://github.com/CMU-Perceptual-Computing-Lab/caffe 方法二: git命令下载

git clone https://github.com/CMU-Perceptual-Computing-Lab/caffe.git

将该文件解压放在 …/openpose-master/3rdparty/ 内覆盖caffe

2.5 下载pybind11源码

方法一: 链接下载 caffe链接: https://github.com/pybind/pybind11 方法二: git命令下载

git clone https://github.com/pybind/pybind11.git

将该文件解压放在 …/openpose-master/3rdparty/ 内覆盖pybind11

三、编译OpenPose(以上步骤完成-开始编译)

1.在openpose-master目录下创建两个文件夹,分别为build_GPU、build_CPU。 2.在cmake-3.24.0-windows-x86_64/bin中打开cmake-gui

3.1 编译GPU

先修改路径,后添加Python接口,用于修改python程序。

然后,点击Configure 添加VS版本 后设置 由于使用GPU版 GPU_MODE = CUDA 接着点击Configure 后点击Generate 生成完成后,点击Open Project在VS2022中打开项目,在Release、x64模式下,生成解决方案,等待完成即可。 出现以下 OpenPose的python包就编译完成了,在build_GPU/python/openpose/Release目录下,pyd文件。

3.2 编译CPU

先修改路径,后添加Python接口,用于修改python程序。 然后,点击Configure

添加VS版本 后设置 由于使用CPU版 GPU_MODE = CPU_ONLY 取消 USE_CUDNN

接着点击Configure 后点击Generate 生成完成后,点击Open Project在VS2022中打开项目,在Release、x64模式下,生成解决方案,等待完成即可。 出现以下

到此,OpenPose的python包就编译完成了,在build_CPU/python/openpose/Release目录下,pyd文件。

3.3 demo测试(GPU版和CPU版都相同)

上面的步骤完了之后,C++的例子已经可以运行了,所有C++的例子都在这里,需要用哪个例子,就把它右键设置为启动项目,然后运行就可以了。 运行结果:

四、建立OpenPoseDemo项目

4.1 先创建项目,建立bin目录和models目录,bin目录放依赖的相关文件,models放模型文件。

4.2 将build_GPU(build_CPU)/x64/Release目录下的openpose.dll复制到项目的bin目录下

4.3 将build_GPU(build_CPU)/bin目录下的全部文件复制到项目的bin目录下

复制后:

4.4 将build_GPU(build_CPU)/python/openpose/Release目录下的pyopenpose.cp37-win_amd64.pyd文件复制到项目的根目录下

复制后:

4.5 将openpose/models目录下的所有文件复制到项目的/models目录下

复制后:

4.6 主要文件已经准备就绪,使用python测试是否可用

import os

import sys

import cv2

from sys import platform

import argparse

dir_path = os.path.dirname(os.path.realpath(__file__))

os.environ['PATH'] = os.environ['PATH'] + ';' + dir_path + '/bin;'

import pyopenpose as op

print(op)

print("成功引入pyopenpose")

parser = argparse.ArgumentParser()

# 测试图片的路径要改一下,自己修改

parser.add_argument("--image_path",

default="examples/COCO_val2014_000000000623.jpg",

help="Process an image. Read all standard formats (jpg, png, bmp, etc.).")

args = parser.parse_known_args()

# Custom Params (refer to include/openpose/flags.hpp for more parameters)

params = dict()

params["model_folder"] = "models/"

# Add others in path?

for i in range(0, len(args[1])):

curr_item = args[1][i]

if i != len(args[1])-1: next_item = args[1][i+1]

else: next_item = "1"

if "--" in curr_item and "--" in next_item:

key = curr_item.replace('-','')

if key not in params: params[key] = "1"

elif "--" in curr_item and "--" not in next_item:

key = curr_item.replace('-','')

if key not in params: params[key] = next_item

# Construct it from system arguments

# op.init_argv(args[1])

# oppython = op.OpenposePython()

# 修改参数

# 修改分辨率,可以降低对显存的占用 (16的倍数)

params["net_resolution"] = "368x256"

# Starting OpenPose

opWrapper = op.WrapperPython()

opWrapper.configure(params)

opWrapper.start()

# Process Image

datum = op.Datum()

imageToProcess = cv2.imread(args[0].image_path)

datum.cvInputData = imageToProcess

opWrapper.emplaceAndPop(op.VectorDatum([datum]))

# Display Image

print("Body keypoints: \n" + str(datum.poseKeypoints))

cv2.imshow("OpenPose 1.7.0 - Tutorial Python API", datum.cvOutputData)

cv2.waitKey(0)

出现以下现象则成功运行:

五、常见问题

5.1 Check failed: error == cudaSuccess (2 vs. 0) out of memory

由于GPU显存不足导致的错误,修改 net_resolution 参数 368x368 (16的倍数) 或者 --number_people_max 减少追踪人数

C++接口,加上–net_resolution 160x160。比如:

OpenPoseDemo.exe --video video.avi --net_resolution 160x160

Python接口,也类似:

python demo.py --net_resolution 160x160

这个net_resolution具体参数值根据自己的需要修改,分辨率越小,画面每秒传输帧数(fps)越大,但准确率越小,相反,则越大。不过必须是16的倍数。不然会出现这个报错信息:Error: Net input resolution must be multiples of 16.

5.2 在cmake过程中可能出现提示

pybind11 does not contain a CMakeLists.txt file

openpose源码文件中缺少pybind11,pybind11是c++和python基本类型转换的工具。 重新下载pybind11,并把其放入将该文件解压放在 …/openpose-master/3rdparty/ 内覆盖pybind11 见上文。

5.3 官方常见问题解决方法

链接:https://github.com/CMU-Perceptual-Computing-Lab/openpose/blob/master/doc/05_faq.md#difference-between-body_25-vs-coco-vs-mpi

六、补充

大家有问题在评论区交流,我很乐意为大家解答,码字不易,请大家多多支持;如有不对的地方请指正,谢谢!

查看原文