note:$后为命令
1.安装vs2015
安装镜像下载:https://msdn.itellyou.cn/
2.安装anaconda3 windows版本 & 安装tensorflow
在本例中使用的cpu版本,GPU版本应该也没问题,最后的版本参数如下:
python 3.5.5
tensorflow,1.9.0
tensorflow cpu版本的安装可参考 https://blog.csdn.net/baidu_36933868/article/details/70521317
3.切换到tensorflow环境
以下命令行都在anaconda prompt环境中输入。
上两步完成后,切换到配置的tensorflow环境,本文中环境名就叫tensorflow,所以用如下代码切换python环境
$activate tensorflow
4.添加清华大学源
(参考网页 https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/)
$conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
$conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
下面开始安装openpose需要的依赖库了
5.安装opencv3
$conda install -c mempo opencv3
验证:
$python
$import cv2
7.protobuf (一般默认已经安装)
$conda install -c protobuf
验证:
$python
$import google.protobuf
8.安装swig
根据openpose github首页上的文档,如果不需要编译为第三方库,则该步可以省略。即你只想在tf环境下跑,这个就不用了
下载地址:http://www.swig.org/download.html
注意下载windows版本,下载后的文件夹中有swig.exe文件。把文件夹复制到固定目录。
把该目录添加到环境变量Path中
(设置环境变量后,需要关闭当前使用的控制台。才会刷新刚刚配置的环境变量)
9.下载openpose并按照文档进行编译安装
在https://github.com/ildoonet/tf-pose-estimation中下载库
cd 到openpose目录中
依然要
activate tensorflow
安装依赖库
$pip install -r requirements.txt
下面按照github的readme进行编译安装,如果只需要tf跑结果的话直接2),跳过1)
1)编译第三方库
进入编译目录
$cd tf_pose/pafprocess
编译
$swig -python -c++ pafprocess.i && python setup.py build_ext --inplace
2)编译为openpose为python库
$python setup.py install
10.运行demo
因为墙所以默认的模型下载脚本无法执行,cmu的模型参数不在目录里,需要指定mobilenet的模型参数。按照下指令跑测试结果。
$python run.py --model=mobilenet_thin
执行成功会显示用时和结果图,详细接口的使用看run.py中的代码