《鼠鼠被逐出下水道后邂逅最强桥洞蟑螂》之mmpose，pphuman跑通入门级教程

如果大家之前没有做过mmlab系列的项目，有可能会不知道如何配置，mmlab系列相关的环境，这里我再单独介绍一遍，如何配置mmlab系列的基础环境。

首先，你需要配置一下基础环境，python，pytorch之类的，这里我的配置是windows11+python3.9+pytorch1.12.0 如果大家不知道如何配置这些基础环境的话，请移步我的第一篇博客

《关于我被车创④，转生到异世界以后什么都不会，于是从零开始搞深度学习这回事》之 yolov7保姆级教学_深度学习鲨我的博客-CSDN博客

基础环境安装完毕以后，首先我们需要安装openmim，这个是mmlab所有项目的统一入口，非常的方便，类似于python环境里的“pip”，具体安装代码如下

pip install -U openmim

下一步，就是要安装mmcv-full，这个是mmlab所有项目都需要使用的一个工具包，具体安装代码如下

mim install mmcv-full

如果这两步的安装没有问题的话，那么大家的基础开发环境也搭建完毕了，这里大家可以打开interpreter setting查看你的工具包是否安装完成。

 这里，大家可以看到我安装好的mmcv-full版本是1.7.0的版本，说明我的工具包已经安装完毕了，接下来就正式开始mmpose的教程。

首先，就是克隆代码，安装依赖包，这里我就不一一解释了，大家直接按照下面的代码一条一条执行即可， 这里需要注意的是，由于有的依赖包会从外网下，所以下载较慢，或者超时报错都是正

常的，大家多执行几遍，或者科学上网都可以

git clone https://github.com/open-mmlab/mmpose.git
cd mmpose
pip install -r requirements.txt
pip install -v -e .
pip install mmpose

安装完毕以后，大家首先需要下载一些配置文件和权重文件，代码如下

mim download mmpose --config associative_embedding_hrnet_w32_coco_512x512  --dest .

如果运行无误，那么你应该会得到如下结果

 这一步完成以后，我们输入以下代码来验证推理以下，检查一下我们的环境是否搭建完成

python demo/bottom_up_img_demo.py associative_embedding_hrnet_w32_coco_512x512.py hrnet_w32_coco_512x512-bcb8c247_20200816.pth --img-path tests/data/coco/ --out-img-root vis_results

如果运行无误，大家应该可以在根目录里找到vis_results这个文件夹里看到如下图片

 看到上述图片，说明你的环境已经搭建完毕了，最后，只要输入以下代码，就可以打开摄像头进行实时的姿态估计啦

python C:\Users\20105\Desktop\mmps\mmpose\demo\webcam_demo.py --config C:\Users\20105\Desktop\mmps\mmpose\demo\webcam_cfg\pose_estimation.py

这里你需要注意的是，我用的都是绝对寻址，大家只要找到自己的这个文件的地址就可了，一个在demo里面，一个在demo里的webcam_cfg里面，这个--config后面的文件是可以修改的，大家如果打开webcam_cfg文件夹，会发现里面有四个文件，大家都可以尝试一下，分别是姿态估计，目标跟踪，手部检测等，这里我只运行了一下姿态估计，给大家看一下效果。

 在进行pphuman的教学之前，首先要更正之前博客里面的一个误区，也是我之前没做过这个项目，所以没想到这个问题

 paddle paddle的所有项目，最好为他单独创建一个环境，因为paddle paddle不知道为啥，他会修改你gpu的id，导致你其他的项目根本找不到你的gpu，我之前大杂烩的时候，把我的pytorch的版本都改成cpu的了，环境直接爆炸。

在开始pphuman的教学之前，首先要强调一下，我用的版本是release2.4版本的paddledetection！重要的事情说三遍！release2.4！release2.4！release2.4！

因为大家如果是直接用git下载的话，大概率会下载到最新的版本，也就是2.5的版本，但是2.5的版本文件结构变了，所以不能适用本次教程。

这里我建议大家，打开github以后，直接下载压缩包，用压缩包打开，不然很容易下错版本，具体如下。

 下载完成以后，打开压缩包，然后在根目录创建一个心的文件夹，叫output_inference

然后下载目标检测，目标跟踪，关键点识别，属性识别四个预测 部署模型，链接如下

PaddleDetection/deploy/pphuman at release/2.4 · PaddlePaddle/PaddleDetection · GitHub

 直接点击下载链接即可，下载完毕后，解药到刚才创建的output_inference文件夹里。

在我的上一个博客里面有教大家如何搭建paddledetection的环境，如果还不不知道如何搭建环境，如何安装paddle paddle的话，请移步我的上一篇博客，链接如下

《平成的超级偶像金牌舔狗》之mmdetection,paddle detection安装,demo跑通,训练跑通,保姆级教学_深度学习鲨我的博客-CSDN博客

解压完毕以后，大家可以先运行以下代码，来测试自己的环境是否搭建完毕

python tools/infer.py -c configs/ppyolo/ppyolo_r50vd_dcn_1x_coco.yml -o use_gpu=true weights=https://paddledet.bj.bcebos.com/models/ppyolo_r50vd_dcn_1x_coco.pdparams --infer_img=demo/000000014439.jpg

如果得到以下结果，说明环境搭建完成。

你需要自己选择一张图片，和一段视频，图片和视频里面一定要有人，然后放到根目录里，这里注意，我建议大家用手机自己拍，因为拍出来以后就是mp4，jpg格式，免得大家再去转格式。以上工作完毕以后，直接输入以下代码，就可以开始预测啦

目标检测

python deploy/pphuman/pipeline.py --config deploy/pphuman/config/infer_cfg.yml --image_file=test_det.jpg --device=gpu  #这里的image——file记得改成自己的图片的名字，下面的代码都一样，都改成自己的

 目标跟踪

python deploy/pphuman/pipeline.py --config deploy/pphuman/config/infer_cfg.yml --video_file=test_track.mp4 --device=gpu

行人属性检测

python deploy/pphuman/pipeline.py --config deploy/pphuman/config/infer_cfg.yml --video_file=test_attr.mp4 --device=gpu --enable_attr=True

行为识别

python deploy/pphuman/pipeline.py --config deploy/pphuman/config/infer_cfg.yml --video_file=test_action.mp4 --device=gpu --enable_action=True

最后，附上我的运行结果