环境搭建-复现ST-GCN输出动作分类视频（win10+openpose1.7.0+VS2019+CMake3.30.1+cuda11.1）

这次我们安装github.com/yysijie/st-gcn这个作者源码环境，安装流程十分复杂这里介绍大体流程。

1.首先编译openpose的python API接口这个编译难度较大，具体参考博文：windows编译openpose及在python中调用_python openpose-CSDN博客
 

这个博文是我参考别人的以及自己实际经验写的，流程和博文描述一致，环境要求

• windows 10 64bit
• openpose 1.7.0
• cuda 11.1
• cudnn 8.0.5.39
• visual studio 2019
• >=cmake 3.20.2

温馨提示：安装前电脑必须有nvidia显卡且显存>=6GB，否则本博文就不用看了，因为就算安装成功也不能用。

2. 安装torch和torhvision

pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 -f https://download.pytorch.org/whl/torch_stable.html

3.安装环境所需的其他python库

pip install -r  requirements.txt

4. 安装ffmpeg

conda install ffmpeg

5. 安装torchlight

先切换到源码目录

cd ./torchlight
python setup.py install

6. 获取预训练模型

下载ST-GCN所需模型（.pt文件）:
模型链接：gitee.com/FIRC/fircfiles/blob/master/st-gcn.md
1). 下载好的st_gcn.kinetics.pt等文件放到 st-gcn/models中。
2). pose_iter_440000.caffemodel（安装的openpose中的models/pose/coco下有）放到st-gcn/models/pose/coco中。

7. 安装PyYAML(如果不安装就会出现如下情况：AttributeError: module 'yaml' has no attribute 'FullLoader'AttributeError: module 'yaml' has no attribute 'FullLoader')

pip install -U PyYAML

9.执行检测代码

!python main.py demo --video ./resource/media/ta_chi.mp4 --openpose /content/openpose/build

然后就会出现结果了：

现实预测结果是tai_chi,可视化完成，并且把结果保存在 ./data/demo_result/ta_chi.mp4.

我们把它下载到本地，然后打开。

复现成功！！！

也可以换一个视频测试一下，比如执行

!python main.py demo --video ./resource/media/skateboarding.mp4 --openpose /content/openpose/build

大功告成。