Hopenet demo环境搭建

最新推荐文章于 2024-05-30 10:32:24 发布

liuxiabing150

最新推荐文章于 2024-05-30 10:32:24 发布

阅读量2.2k

点赞数 2

分类专栏： Deep Learning 环境配置

本文链接：https://blog.csdn.net/liuxiabing150/article/details/88897989

版权

本文档详细记录了Hopenet在cvpr2018工作坊论文中用于头姿估计的环境搭建过程。在安装dlib和torch时遇到冲突导致segmentation fault错误，因此放弃使用dlib并自行处理面部检测。接着，通过编写脚本生成面部检测文件，并解决由于CUDA版本不匹配引发的运行时错误。最后成功执行代码，生成了头姿估计的可视化结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Hopenet: cvpr2018 workshop paper for head pose estimation.

code:https://github.com/natanielruiz/deep-head-pose

环境搭建存在问题：

1. 安装dlib，运行python code/test_on_video_dlib.py --snapshot ./HeadPoseModelSnapshot/hopenet_robust_alpha1.pkl --face_model ./DLIB_MODEL/mmod_human_face_detector.dat --video ./video/1.mp4 --output_string outpt_ --n_frames 1000 --fps 30

issue: dlib和torch不能并存，即不能同时import torch和import dlib. 会报segmentation fault错误。

没找到原因，最终不使用dlib，预先自己做FD.

2. 使用python code/test_on_video_dockerface.py --snapshot ./HeadPoseModelSnapshot/hopenet_robust_alpha1.pkl --video ./video/1.mp4 --bboxes ./fdld/03_fd.txt --output_string new_output --n_frames 276 --fps 30

step1: 生成03_fd.txt，文件每行5个值，表示： (n_frame x_min y_min x_max y_max confidence)

n_frame: 从1开始，表示帧数索引。

x_min,y_min: face bounding