OpenPose 配置小记

目前视觉监控和识别的应用越来越流行，在安保、交通、娱乐领域对人体骨架的提取，是很多行为识别、体感交互的基础。这一技术，应该是在深度网络成功应用之后，在MSCOCO大量数据上，获得了很好的提升，目前应该已经达到成熟商用的阶段。

视觉应用，有很多的开源代码，国际前沿的研究者总是迫不及待的发表论文和发布代码，争先获得同行认可，扩大自己的影响力，企业则抢占技术领先优势，培育自己的技术生态环境。

因此现在搭建这类应用，比以往要容易很多，以前还可能会对着ASM的论文实现一个源码做特征点定位，现在直接下载和学习OpenPose代码库。

深度网络之前的特征点定位技术

骨架模型，由肢体上的特征点（关节）决定，与人脸上的五官特征点定位非常相似。

骨架特征点的标注，在样本图片上标注人体骨架点，传统的技术主要是ASM模型进行特征点的定位。

OpenPose

OpenPose的目的，是把人体姿态作为一个整体来处理，与TensorFlow和Torch的兼容性很好。
它可以用来实时的追踪和检测多人的特征点，最初用OpenCV和Caffe实现。在这个领域，OpenPose是第一个同时定位130个人脸、人体、手上的特征点的系统，以前人脸特征点的定位、身体关键的定位是不同的研究者在不同的系统算法里实现的。ECCV上 2016年发布demo。作者是 Zhe Cao等。

翻译自：
https://github.com/CMU-Perceptual-Computing-Lab/openpose/blob/master/doc/demo_overview.md
先把需要记的在这边记一下