win10系统下Openpose +Tensorflow安装详细教程(转)

安装环境:
Python3.6;CUDA8.0;cudnn6.0。
1.安装git

2.安装Anaconda

3.Code:https://github.com/ildoonet/tf-pose-estimation
旧版本Mark教学视频:https://www.youtube.com/watch?v=nUjGLjOmF7o 注意要激活环境,这部分视频里有讲。

4.在执行pip install -r requirements.txt
pycocotools报错,出现两个错误,第一个不用管,其中第二个错误为No module named Cython
解决方法:pip install Cython
接着执行 :
pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

5.安装完之后安装Tensorflow,
输入命令:pip install tensorflow-gpu==1.4.0

在这里插入图片描述
6.安装OpenCV,https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv
下载安装包,下载完成跳转到安装包路径下:pip install opencv_python-3.4.6-cp36-cp36m-win_amd64.whl

在这里插入图片描述
7.测试tensorflow,运行run_webcam,命令:python run_webcam.py --model=mobilenet_thin_432*368 --camera=0
报错:ImportError: DLL load failed: 找不到指定的模块。 和 ImportError: No module named ‘_pywrap_tensorflow_internal’
在这里插入图片描述
解决:之前安装的CUDNN5.1与tensorflow不匹配,下载安装cundnn6.0 for win10 地址:https://developer.nvidia.com/rdp/cudnn-archive。

8.再次调用摄像头:python run_webcam.py --model=mobilenet_thin_432*368 --camera=0
继续报错ImportError: No module named ‘_pafprocess’
在这里插入图片描述
解决方法:使用swig再次编译
下载地址:https://sourceforge.net/projects/swig/
解压zip,比如:D:\backupsoftware
添加环境变量到path, 比如: D:\backupsoftware\swigwin-3.0.12
在命令行执行: swig --help,不报错说明安装成功了。(回到base环境中执行该命令)
9.cmd定位到D:\tf-pose-estimation\tf_pose\pafprocess

运行:swig -python -c++ pafprocess.i && python setup.py build_ext --inplace

9.接着又tm报错。。。Emmmmm心态爆炸。
在这里插入图片描述
解决方法:https://blog.csdn.net/a2099948768/article/details/81738853
之后再次回到D:\tf-pose-estimation\tf_pose\pafprocess
运行:swig -python -c++ pafprocess.i && python setup.py build_ext --inplace

10.10.继续回到D:\tf-pose-estimation,运行python run_webcam.py --model=mobilenet_thin_432*368 --camera=0
再次报错:ModuleNotFoundError: No module named ‘matplotlib’

在这里插入图片描述
解决:pip install matplotlib

11.继续运行python run_webcam.py --model=mobilenet_thin_432x368 --camera=0,再次报错:KeyError: ‘mobilenet_thin_432x368’。此问题在最后一步解决了,可以直接去最后一步看,尝试运行图片。

12.执行:python run.py --model=mobilenet_thin --resize=432x368 --image=./images/p1.jpg
报错:UserWarning: Matplotlib is currently using agg, which is a non-GUI backend, so cannot show the figure.
在这里插入图片描述
解决:将run.py中第56行import matplotlib.pyplot as plt改成

import matplotlib

matplotlib.use('TkAgg')
import matplotlib.pyplot as plt
  • 1
  • 2
  • 3
  • 4

再次运行:python run.py --model=mobilenet_thin --resize=432x368 --image=./images/p1.jpg

在这里插入图片描述
13.继续测试:python run_video.py --model=mobilenet_thin --resolution=432x368 --video=./etcs/dance.mp4,无法检测骨骼。
显示:在这入图片描述
解决:在run_video.py文件中进行修改,在parser那块添加一句
parser.add_argument('--resize-out-ratio', type=float, default=4.0, help='if provided, resize heatmaps before they are post-processed. default=1.0')
然后下方while cap.isOpened()中humans = e.inference(image)改为

humans = e.inference(image, resize_to_default=(w > 0 and h > 0), upsample_size=args.resize_out_ratio)
  • 1

在这里插入图片描述

14.继续测试,调用摄像头:python run_webcam.py --model=mobilenet_thin_432x368 --camera=0
报错:KeyError: ‘mobilenet_thin_432x368’
解决:更改命令:python run_webcam.py --model=mobilenet_thin --resize=432x368 --camera=0
PS.追加更新2019.08.16

在新机器上安装出现了一个新报错No module named’tensorflow.contrib.tensorrt’,使用pip执行安装该模块,依旧报错没有发现该模块

解决:\tf-pose-estimation\tf_pose\estimator第14行import tensorflow.contrib.tensorrt as trt注释掉。

  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: OpenPose是一种用于实时多人姿势估计的库,它可以用于计算机视觉和人机交互等领域。下面是使用OpenPose的简单教程: 1. 安装所需的软件和库:在使用OpenPose之前,您需要安装CMake(用于构建OpenPose)和OpenCV(用于图像处理)。您可以根据您的操作系统和喜好选择适当的版本。 2. 下载OpenPose:您可以从OpenPose的官方GitHub仓库中下载源代码并解压缩到本地文件夹。 3. 构建OpenPose:使用CMake构建OpenPose库。打开命令行终端并导航到您解压缩的OpenPose文件夹。然后创建一个新的文件夹(例如"build"),并在此文件夹中运行CMake命令。CMake将根据您的系统配置构建OpenPose。 4. 打开命令终端:使用命令行终端导航到OpenPose文件夹中的build目录。 5. 运行OpenPose:在命令行中,输入以下命令以运行OpenPose: ./openpose.bin --image_path <your_image_path> 替换<your_image_path>为您要检测人体姿势的图像路径。OpenPose将分析图像并在图像中标记出人体的关节位置。 6. 更多选项:OpenPose还提供其他参数和选项,以便更好地适应您的需求。您可以在运行OpenPose时使用--help命令查看所有可用的选项和其含义。 以上是使用OpenPose的基本教程。如果您想要进一步了解如何配置和使用OpenPose,可以参考OpenPose的官方文档和示例代码。 ### 回答2: OpenPose是一个开源的人体姿态估计库,它可以通过分析图像或视频来检测和估计人体的关节点和姿态。 使用OpenPose进行人体姿态估计有几个关键的步骤。首先,我们需要准备一些输入数据,可以是图像或视频。然后,我们需要配置OpenPose的参数,例如选择人体姿态的模型(正常模型或小型模型)以及设置输出结果的详细程度等。 接下来,我们可以调用OpenPose的API来进行人体姿态估计。对于每一帧图像或视频,OpenPose会检测人体的关节点(例如鼻子、眼睛、手臂等)并估计它们之间的关系,以获得一个完整的人体姿态。这些关节点的坐标信息可以用来进一步分析和应用,例如人体行为分析、动作识别等。 在使用OpenPose时,我们还可以通过设置一些参数来优化姿态估计的结果。例如,我们可以调整最小置信度阈值以过滤掉一些不可靠的关节点检测结果,或者设置人体检测的尺度参数以应对不同尺寸的输入数据。 最后,在使用OpenPose之后,我们可以根据需要进行后处理,例如绘制图像中的人体关节点和骨骼连线,或者根据关节点的位置进行进一步的计算和分析。 总的来说,OpenPose是一个强大的人体姿态估计库,可以应用于各种领域,例如人机交互、运动分析等。使用OpenPose进行人体姿态估计的主要步骤包括准备数据、配置参数、调用API进行姿态估计、优化结果以及后处理等。 ### 回答3: OpenPose是一种用于姿势估计和多人关键点检测的开源框架。下面是OpenPose的简单使用教程。 1. 安装环境:首先,我们需要安装OpenPose以及其所需的依赖项。可以直接从OpenPose的官方GitHub页面下载源代码和相关文件,并按照说明进行安装。 2. 配置参数:在运行OpenPose之前,需要配置一些参数。这些参数包括输入图像路径、模型选择、输出文件路径等。可以通过修改配置文件进行参数配置。 3. 运行OpenPose:使用命令行工具,导航到OpenPose安装目录,并使用命令行启动OpenPose。根据你的操作系统,可能需要提供一个图像或视频作为输入。 4. 检测结果:一旦运行OpenPose,它将开始对输入图像进行姿势估计和多人关键点检测。检测完成后,结果将保存在指定的输出文件中。 5. 后续处理:根据需要,可以使用其他工具或库对OpenPose的输出结果进行后续处理。例如,可以使用OpenCV来显示和处理姿势估计结果。 OpenPose是一个功能强大且灵活的框架,可以用于各种应用,包括人体动作识别、手势识别、虚拟现实等。但是对于OpenPose的深入使用和高级功能,可能需要更多的学习和理解,例如自定义模型、数据集训练等。 总结而言,OpenPose是一个强大的开源框架,它通过姿势估计和多人关键点检测为我们提供了丰富的人体动作信息。使用OpenPose可以为人工智能和计算机视觉应用提供强大的功能和支持。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值