基于Openpose的姿态估计，支持单人和多人，支持Windows cpu和gpu环境配置，也可在OpenCV下直接使用Openpose输出姿态图，支持Python下运行

 

OpenPose的主要特点：

• 多平台支持：OpenPose支持多种操作系统，包括Windows、Linux和macOS。
• 多设备支持：可以利用CPU或GPU加速计算，提高性能。
• 多语言支持：提供了C++和Python接口。
• 多人姿态估计：能够在图像中同时检测多个个体的关键点。
• 高度准确：在多个姿态估计基准上表现优秀。
• 易于集成：可以轻松地与OpenCV等其他计算机视觉库结合使用。

安装步骤（Windows）：

1. 安装依赖项

• CMake：用于编译OpenPose。
• Python：安装Python 3.x。
• OpenCV：确保安装了OpenCV 3.3+。
• CUDA & cuDNN（可选）：如果要使用GPU加速，则需要安装NVIDIA CUDA Toolkit和cuDNN。

2. 克隆OpenPose仓库

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

3. 编译OpenPose

• 使用CMake配置OpenPose，并指定是否启用GPU加速。

mkdir build
cd build
cmake .. -DOPENPOSE_BUILD_PYTHON=ON -DOPENPOSE_BUILD_EXAMPLES=ON -DOPENPOSE_ENABLE_CUDA=ON -DOPENPOSE_DISABLE_OPENCL=ON -DCMAKE_INSTALL_PREFIX=<path_to_install>
cmake --build . --config Release

4. 安装Python绑定

• 如果你想通过Python来使用OpenPose，你需要安装Python绑定。

cd python
python setup.py install

使用OpenPose

一旦安装完成，你就可以使用OpenPose了。下面是一些基本的例子，展示如何在Python中使用OpenPose进行姿态估计：

Python示例

import cv2
from openpose import pyopenpose as op

# 参数初始化
params = dict()
params["model_folder"] = "<path_to_openpose_models_folder>"

# 启动OpenPose
opWrapper = op.WrapperPython()
opWrapper.configure(params)
opWrapper.start()

# 处理图像
datum = op.Datum()
imageToProcess = cv2.imread("<path_to_image>")
datum.cvInputData = imageToProcess
opWrapper.emplaceAndPop([datum])

# 显示姿态图
print("Body keypoints: \n" + str(datum.poseKeypoints))
cv2.imshow("OpenPose Output", datum.cvOutputData)
cv2.waitKey(0)

更多高级功能

• 多人检测：通过调整参数，OpenPose可以同时检测场景中的多个个体。
• 面部和手部关键点：除了身体关键点之外，OpenPose还可以检测面部和手部的关键点。
• 实时视频流处理：OpenPose可以应用于实时视频流，如网络摄像头或视频文件。