【AlphaPose】AlphaPose运行环境搭建与测试

AlphaPose项目地址

AlphaPose是一种精确的多人姿势估计器，其运行环境的搭建相较于OpenPose而言更加简便。

搭建步骤

官方安装步骤
这里我选用官方推荐的conda进行安装测试。

1. 安装anaconda
2. 利用conda创建虚拟环境：更多创建虚拟环境的方法参考文章：Ubuntu下创建虚拟环境步骤

# 创建虚拟环境
conda create -n alphapose python=3.6 -y
# 进入虚拟环境
conda activate alphapose

3. 安装pytorch

conda install pytorch==1.1.0 torchvision==0.3.0

4. 克隆Alphapose项目

git clone https://github.com/MVIG-SJTU/AlphaPose.git
cd AlphaPose

5. 安装其余依赖

export PATH=/usr/local/cuda/bin/:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64/:$LD_LIBRARY_PATH
python -m pip install cython
sudo apt-get install libyaml-dev
python setup.py build develop

安装成功会有如下提示：

注意：这里最后一步出错的话可以多尝试几次，我这里重复运行了几次python setup.py build develop最后成功安装

利用AlphaPose进行多人姿态估计

安装完AlphaPose后我们对其效果进行测试

步骤：

1. 下载用于目标检测的模型：yolov3-spp.weights

   模型百度云下载链接
   提取码：poin

2. 把yolov3-spp.weights放到detector/yolo/data中

3. 下载合适的模型：模型官方下载地址
   模型百度云下载链接
   提取码：poin
   注意：不同的model对应不同的cfg
   

4. 把下载好的模型放到AlphaPose/pretrained_models文件夹下
   
   这里我选用的是fast_res50_256x192.pth

5. 输入指令进行测试
   这里我测试的是对一个文件夹下的所有图片进行姿态估计并输出图片和json文件
   更多测试指令

# 测试指令
python scripts/demo_inference.py --cfg configs/coco/resnet/256x192_res50_lr1e-3_1x.yaml --checkpoint pretrained_models/fast_res50_256x192.pth --indir /root/Source/RealSenseDataset/32 --outdir /root/Workspace/alphapose_results/32 --save_img

对视频进行测试，并将结果保存为视频

# 测试指令
python scripts/demo_inference.py --cfg configs/coco/resnet/256x192_res50_lr1e-3_1x.yaml  --checkpoint /root/Workspace/AlphaPose/pretrained_models/fast_res50_256x192.pth --video /root/Source/SL_projects/left.avi --outdir /root/Source/SL_projects/alpha_left --save_video

运行过程：

可能出现的问题

1. ImportError: libSM.so.6: cannot open shared object file: No such file or directory
   
   解决方法：

apt-get install -y libsm6 libxext6 libxrender-dev