人体姿态估计

       我们生活中经常看到，在一些商城中，有一些能根据人体的动作来进行游戏操作的小游戏，比如切水果，愤怒的小鸟等，这些就涉及到人体姿态估计这方面的知识，那么今天我们就来尝试运用代码简单的实现人体姿态估计

实现原理：

1.输入一幅图像，经过卷积网络提取特征，得到一组特征图，然后分成两个岔路，分别使用 CNN网络提取Part Confidence Maps 和 Part Affinity Fields；

2.得到这两个信息后，我们使用图论中的 Bipartite Matching（偶匹配） 求出Part Association，将同一个人的关节点连接起来，由于PAF自身的矢量性，使得生成的偶匹配很正确，最终合并为一个人的整体骨架；

3.最后基于PAFs求Multi-Person Parsing—>把Multi-person parsing问题转换成graphs问题—>Hungarian Algorithm(匈牙利算法)

首先当然是要配置环境

1. 安装anaconda

官网下载。建议安装目录不要太深，可以直接安装在根目录上，（本人选择直接C盘）

Anaconda | Individual Editionhttps://www.anaconda.com/products/individual

2. 安装pycharm

官网下载安装。装Community 版本，免费的。

PyCharm：JetBrains为专业开发者提供的Python IDEhttps://www.jetbrains.com/zh-cn/pycharm/

3. 建虚拟环境

打开命令行。在windows开始菜单里输入cmd，打开。

进anaconda安装目录： cd c:\Anaconda ，这个目录是第1步的安装目录

进condabin目录：cd condabin

新建虚拟环境：conda create -n py38 python=3.8 创建一个名为py38的虚拟环境（这个本人已经创建过了就不重新创建了）

激活虚拟环境：activate py38

这时你的命令行应该看起来是这样的，前面有个括号，虚拟环境的名字：

4. 安装pytorch

首先确保进入虚拟环境，输入命令：pip install torch torchvision

（已经装好的界面）

5. 安装opencv

首先确保进入虚拟环境，输入命令：pip install opencv-python

（同上）

下载代码

GitHub - Daniil-Osokin/lightweight-human-pose-estimation.pytorch: Fast and accurate human pose estimation in PyTorch. Contains implementation of "Real-time 2D Multi-Person Pose Estimation on CPU: Lightweight OpenPose" paper.https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch

那么万事俱备，就到了激动人心的跑代码环节！当然我们离成功还有一小段距离。

打开demo.py，映入眼帘的就是一长串代码

右键运行（个人习惯），我们可能会遇到第一个挫折

这个时候我们就需要修改我们运行程序的参数

打开菜单中的“Run/运行”----->“edit configurations/编辑配置”

在parameters/参数 一栏填--checkpoint-path=checkpoint_iter_370000.pth

那么完成这一步我们就离成功又进一步！

再次运行，我们会再次碰到一个挫折

这个提示我们需要再次修改我们的参数，再原来的命令行参数后面添加 --video=0，这个表示我们使用0号镜头（因为大部分电脑只有一个摄像头，所以我们一般等于0就可以了）

距离成功只有一步之遥了！

再次运行，我们就能看到最后一关了

有一说一，一大片的红色给人满满的压迫感，程序猿的噩梦

但其实处理起来也很简单，与上一步一样，我们只需再命令行参数后面再次添加一个命令行参数：--cpu，即可

Ps：我们在初次运行时可能会提示No module named pycocotools，只需在虚拟环境中输入pip install pycocotools 即可解决（因为本人已经安装过了所以没有报错）

那么接下来就是见证奇迹的时刻！

 摄像头亮起就代表已经成功了

实际效果图如下：

人体姿态估计

视频链接：人体姿态估计_哔哩哔哩_bilibili关于人体姿态估计的python代码https://www.bilibili.com/video/BV1ZF411e7C2?spm_id_from=333.999.0.0