【多人姿态估计】AlphaPose_yolov5复现

最新推荐文章于 2025-03-15 00:12:26 发布
最新推荐文章于 2025-03-15 00:12:26 发布
阅读量9.1k 收藏 71
点赞数 8
分类专栏： 多人姿态关键点检测 文章标签： 多人姿态估计与跟踪
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35975447/article/details/114940943
版权
本文介绍了一个基于YOLOv5s优化的人体姿态估计与跟踪系统AlphaPose_YOLOv5的实现过程。该系统在Ubuntu 16.04环境下搭建，并详细记录了所需的依赖库版本及安装配置步骤。文中还分享了如何运行demo示例，展示了快速检测与准确的人体姿态估计效果。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

这部分个人已经复现完成：https://github.com/gmt710/AlphaPose_yolovx。大致做个简单的环境记录以及微小的总结吧。

使用yolov5s的速度非常快。但是检测可能会精度上比yolov3-spp差一些。由于自上而下的多人人体姿态估计与跟踪，检测问题会影响最后的送到进行姿态估计的输入，最终影响其性能。

根据分析，基本可以知道Alphapose跟踪用的是目标跟踪与姿态估计。

1.环境

ubuntu16.04
cuda10.1
cudnn7
python3.6

torch==1.7.0
torchvision==0.8.1	
opencv-python==4.1.0.25
tqdm
natsort
Cython
pycocotools
scipy
terminaltables
wf-pycocotools==2.0.1.1
scikit-image>=0.16.2
googledrivedownloader
protobuf>=3.8.0
websocket-client
python setup.py build develop --user


apt-get update
apt-get -y install python3.6-tk

2.demo运行

python scripts/demo_inference.py --cfg configs/coco/resnet/256x192_res50_lr1e-3_2x-dcn.yaml --checkpoint pretrained_models/fast_dcn_res50_256x192.pth --indir examples/demo/ --vis --showbox --save_img --pose_track --sp --vis_fast --detector yolov5

YOLO11模型训练 | 目标检测与跟踪 | 实例分割 | 关键点姿态估计
黎国溥
10-11 8094
本文分享YOLO11的模型推理，检测任务包括物体分类、目标检测与跟踪、实例分割 、关键点姿态估计、旋转目标检测等。安装方式支持：默认的使用pip进行安装；也支持直接调用YOLO11源码，灵活便捷修改源码。本文支持自定义数据集，并提供详细训练参数的train.py版本，方便大家训练测试。
Windows下运行AlphaPose+yolov5
01-13
基于https://github.com/gmt710/AlphaPose_yolovx进行修改，能在Windows下运行。 原帖https://blog.csdn.net/qq_35975447/article/details/114940943#comments_29909077 预训练权重自己下载下。 只能说能跑起来，...
在Windows系统上轻松运行AlphaPose和YOLOv5：一站式解决方案
gitblog_09790的博客
10-22 559
在Windows系统上轻松运行AlphaPose和YOLOv5：一站式解决方案 【下载地址】Windows下运行AlphaPoseyolov5资源文件介绍 Windows下运行AlphaPose+yolov5资源文件介绍本资源文件提供了一个在Windows系统下运行AlphaPose和yolov5的解决方案 ...
YOLOPose深度解读与全栈优化实践
最新发布
qq_33474415的博客
03-15 1442
YOLOPose作为YOLO系列首个端到端姿态估计框架，通过。图1 YOLOPose网络架构（来源：CSDN技术博客）
2021-07-08 Alphapose_TRT和YOLOV5_TRT部署
aqwy1996822的博客
07-08 1657
介绍 本篇文章将介绍如何把Yolov5和Alphapose进行Tensorrt部署 环境 Ubuntu18 Cuda11.1 Cudnn8.0 Tensorrt7.2.2 此三者安装可参考我的其他文章 Alphapose中的Fast pose的模型部署 git clone https://github.com/oreo-lp/AlphaPose_TRT.git 如果已经安装原版的Alphapose库需要pip卸载 按照readme的教程安装好alphapose库 git clone
Alphapose复现（Win11）
qq_43694194的博客
04-02 768
1.快捷键win+r，输入cmd进入命令行窗口，使用nvcc -V命令查看自己的cuda版本2.创建一个conda环境3.进入这个环境中 conda activate Alphapose4.去pytorch官网（）找到符合自己pytorch版本的命令。
Windows 下复现 alphapose（master）
salewang的博客
01-20 2655
源码：mirrors / mvig-sjtu / alphapose · GitCode 创建新环境 找到 demo——inference.py 运行 少什么安装什么 conda install pytorch=1.1.0 torchvision=0.3.0 -c pytorch pip install numpy pip install tqdm conda install natsort pip install opencv-python pip ins...
【多人姿态估计】Alphapose_yolov8复现
聿默的博客
08-14 1563
参考此处安装docker 、nvidia-docker。然后导入docker image。
Python-Pytorch版本的实时多人姿态估计项目
08-11
【Python-Pytorch版本的实时多人姿态估计项目】是一个基于Python和PyTorch深度学习框架的先进应用，它主要用于在实时环境下对多个个体进行精确的姿态估计。该项目利用了深度学习的强大能力，特别是卷积神经网络...
基于PaddlePaddle框架的YOLOv1复现_目标检测赛道冠军_YOLOv1-PaddlePaddle.zip
09-02
基于PaddlePaddle框架复现的YOLOv1，不仅保留了原算法的核心优势，如高效的实时处理能力，而且通过深度学习框架的优化，进一步提升了模型的运行效率和检测精度。这种复现工作对学术界和工业界都有着重要的意义，它...
基于yolov5_onechannel_yolov5的单通道训练.zip
10-04
在此背景下，提到的“yolov5_onechannel_yolov5”和“onechannel_yolov8-main”指的是使用YOLO（You Only Look Once）算法的第五版和第八版的单通道训练模型。YOLO是一种流行的目标检测系统，能够快速准确地从图像中...
social-distance-estimation:使用YOLOv4对象检测器和OpenPose人体姿态估计器从单个RGB图像估计社交距离
03-10
社会距离估计 该存储库包含使用YOLOv4对象检测器和OpenPose人类姿势估计器根据单个RGB图像自动进行社交距离估计的代码和教程。 内容 入门 该代码要求安装以下库： python 3.8 张量流2.3.1 的opencv 4.4.0.44 numpy的1.18.5 该代码要求安装YOLOv4和OpenPose模型。 有关安装说明，请参阅和 。 安装后，从此页面下载3个脚本automatic_evaluation_API.py，valuate_labeled_images.py和valuate_unlabeled_images.py。 最后，项目文件夹应如下所示： ${project_dir} / ├── labels │ ├── body_pixel_locations.csv │ ├── camera_locations_photoshoot_identifi
python溺水行为识别-姿态识别源码
07-21
众所周知随着人工智能智能的发展，人工智能的落地项目也在变得越来越多，尤其是计算机视觉方面。所以今天我们也是做一个计算机视觉方面的训练，用python来判断用户溺水行为，结合姿态识别和图像识别得到结果。其中包括姿态识别和图像分类。
基于YOLOv8-Pose的姿态识别项目，带数据集可直接跑通的源码
12-26
这个项目是一个基于YOLOv8-Pose的姿态识别系统，专门用于识别和分析人体姿态。项目采用了最新的YOLOv8-Pose算法，结合了COCO数据集的8种常见姿态，能够快速准确地识别人体的各种姿态。这个可以作为一个简单的项目...
YOLOPose：除了目标检测，YOLO还能不花代价地估计人体姿态，对实时性能有要求必看!
热门推荐
wqthaha的专栏
06-13 2万+
YOLO，是一种流行的目标检测框架。如果将YOLO引入姿态检测任务中，将取得什么结果呢？这篇文章实现了单向传播路径下的2D人体姿态检测，与自上而下或自下而上的方法不同，该方法将人体检测与关键点估计联合实现，在不采用数据增强如翻转、多尺度等情况下，实现COCO keypoint上领先的性能，并且该方法可以集成中其他目标检测算法中实现姿态估计，而几乎不增加运算量，对实时估计人体姿态非常关键。.........
Alphapose论文复现Windows（CPU）版本
elejhnq的博客
02-21 1144
Alphapose论文复现Windows（CPU）版本
论文复现--AlphaPose: Whole-Body Regional Multi-Person Pose Estimation and Tracking in Real-Time
Doggerlas的博客
08-08 1536
分类：动作捕捉 github地址：https://github.com/MVIG-SJTU/AlphaPose
yolov5 加跟踪 姿态
jacke121的专栏
03-29 2220
检测跟踪 deepsort https://github.com/maxmarkov/track_and_count https://github.com/ruidongjr/queue_tracking 没有模型： https://github.com/aqwy1996822/yolov5_with_handpose_alphapose_facenet
AlphaPose复现配置教程
m0_56661101的博客
07-19 3332
AlphaPose是一种准确的多人姿态估计器，这是第一个在COCO数据集上达到70+ mAP (75 mAP)和在MPII数据集上达到80+ mAP (82.1 mAP)的开源系统。为了匹配跨帧的同一人的姿态，我们还提供了一种高效的在线姿态跟踪器，称为Pose Flow。这是第一个在PoseTrack挑战数据集上达到60+ mAP (66.5 mAP)和50+ MOTA (58.3 MOTA)的开源在线姿态跟踪器。AlphaPose支持Linux和Windows操作系统！指路👉。
yolov5-alphapose
09-28
yolov5-alphapose是一种结合了yolov5和AlphaPose的人体姿态估计模型。yolov5作为检测器，用于检测人体。然后，AlphaPose会根据yolov5的结果进行姿态估计和跟踪。相比于yolov3-spp，yolov5-alphapose的检测速度更快，但可能在精度上稍逊一些。这是因为多人人体姿态估计与跟踪的自上而下方式，所以检测的问题会影响最终的姿态估计性能。 关于yolov5-alphapose的环境配置和使用方法，您可以参考该GitHub链接：https://github.com/gmt710/AlphaPose_yolovx。该链接提供了环境记录和微小总结，可以帮助您完成复现。 对于运行示例，请按照以下步骤操作： 1. 更新apt：apt-get update 2. 安装python3.6-tk：apt-get -y install python3.6-tk 3. 运行demo：python scripts/demo_inference.py --cfg configs/coco/resnet/256x192_res50_lr1e-3_2x-dcn.yaml --checkpoint pretrained_models/fast_dcn_res50_256x192.pth --indir examples/demo/ --vis --showbox --save_img --pose_track --sp --vis_fast --detector yolov5
评论 144
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

聿默

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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