（5）OpenPose - Pytorch版用于人体姿态检测、关键点提取、摔倒检测

1.下载OpenPose - Pytorch版源码

github下载地址：https://github.com/Hzzone/pytorch-openpose
权重下载：https://pan.baidu.com/s/1IlkvuSi0ocNckwbnUe7j-g#list/path=%2F&parentPath=%2F
完整版代码下载：https://download.csdn.net/download/yohnyang/86400382

模型所需环境：
cuda 10.0，cudnn10.0,NVIDIA显卡驱动程序安装，下载链接参考：https://blog.csdn.net/yohnyang/article/details/123958642

完成后在命令行里面输入nvcc -V，查看是否安装好所需要的cuda版本：

nvcc -V

其中，cudnn版本查看在其安装路径下：我的安装路径是将他们都放在了cuda的路径中，.h中的 840 即是版本

2.安装环境

conda --version    #检查Anaconda是否安装成功
conda info --envs    #检查目前安装了哪些环境

创建环境并激活安装所需要的包

conda create --name OpenPose python=3.8    #env_name-环境名字

进入环境

//
conda activate OpenPose

安装Python包，cmd依次下载…，下载慢可自行搜索如何添加国内源（如清华源）

pip install numpy 
pip install matplotlib 
pip install opencv-python 
pip install scipy 
pip install scikit-image 
pip install tqdm 
pip install ffmpeg 

#安装命令-------------------------------
pip install numpy matplotlib opencv-python scipy scikit-image tqdm ffmpeg 

下载GPU版本的pytorch 和 torchvision

划重点：为了下载速度快，使用了清华源，但下列命令如何操作，下载结果都是torch - cpu版本！！！

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

正确下载命令：（真实可用！！！）
cu102 — cuda 10.2.0

pip install torch==1.8.1+cu102 torchvision==0.9.1+cu102 torchaudio===0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

也可以离线下载导入包：https://download.pytorch.org/whl/cu113，找到所需要的三个包，分别下载torch、torchvision、torchaudio，不过它们的版本需要对应好

测试：

(OpenPose) C:\Users\Administrator>python
Python 3.8.13 (default, Mar 28 2022, 06:59:08) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> print(torch.__version__)
1.8.1+cu102
>>> print(torch.cuda.is_available())
True
>>>

3.测试openpose

在./demo.py中做加入代码：

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
print('Using device:', device)

t1=cv2.getTickCount()
t2= cv2.getTickCount()
print("body_estimation:",(t2 - t1) / cv2.getTickFrequency())
...
t3= cv2.getTickCount()
print("handDetect:",(t3 - t2) / cv2.getTickFrequency())
print("total:",(t3 - t1) / cv2.getTickFrequency())

检测效果如下：测试图像视野距离中规中矩，效果很准确了，就是时间有点长…

而且在后边画图上还进行了一遍检测…
暂时先这样吧，后边再做优化…