[OpenPose—windows]OpenPose+VS2015+windows10+cuda8+cuDnn5.1配置教程

参考链接:https://blog.csdn.net/m0_37592397/article/details/81119591

【我的电脑配置】

操作系统:windows 10

CUDA版本:cuda_8.0.61_win10 

cuDNN版本:cudnn-8.0-windows10-x64-v5.1 

显卡信息:Inter(R) HD Graphics 530

OpenPose版本:1.0.1

Caffe版本:OpenPose默认 

OpenCV版本:OpenPose默认

相关下载地址:

【openpose】

官方Github:https://github.com/CMU-Perceptual-Computing-Lab/openpose 
我的Github:https://github.com/luckynote/openpose

【CUDA】

官网:https://developer.nvidia.com/cuda-downloads 
我的网盘:链接:https://pan.baidu.com/s/148FhJJRUsMMoj86E7_DpLA 密码:kqi8

【CuDNN】

官网:https://developer.nvidia.com/cudnn 
我的网盘:链接:https://pan.baidu.com/s/1UTYOacFtmH5r9eAwmzBsfA 密码:7xxd

官网安装过程

链接:https://github.com/luckynote/openpose/blob/master/doc/installation.md 

【官网安装分析】

步骤1:安装VS2015和CUDA8和cuDNN5.1

阅读本文的笔者推荐从我的云盘下载CUDA8&cuDNN5.1,按照官方Github安装的推荐按官方提供CUDA8&cuDNN5.1下载链接。 
a.安装VS2015。(这个必须首先安装)

 

安装过程和VS2013一样,推荐选择默认安装路径,且安装时注意一定要选择C++开发语言包,以避免出现【OpenPose-Windows】error1 OpenPose项目加载失败 这个问题。 (记住,必须是VS2015)

b.安装CUDA8

安装VS2015后,接着安装CUDA8,安装时选择默认安装路径,安装过程和平时安装qq一样,只要一直下一步就行。笔者默认安装路径:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0。注意在安装CUDA8之前,一定要确保VS2015已经安装,否则的话,需要在安装VS2015之后,再重新安装CUDA8,不然同样会出现【OpenPose-Windows】error1 OpenPose这个问题。

c.安装cuDNN5.1。在完成a.b.之后,安装cuDNN5.1 

解压后的内容如下:

请把压缩包内的bin、include、lib三个文件夹Copy到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\文件夹下,覆盖原有的bin、include、lib

步骤2:下载model

这个比较简单,在../openpose-master/models/文件下 

存在getModels.bat和getModels.sh两个脚本文件,两个文件作用相同(bat用于windows,sh用于linux),都是下载face/hand/pose文件夹下的model,运行其一即可。下载后的三个文件夹内容如下:

除了运行上述getModels.bat和getModels.sh两个脚本文件下载model模型外,还可以通过../openpose-moster/windows/download_3rdparty_and_models.bat脚本命令下载上述四个model文件。 

d.下载运行OpenPose.sln所需的三方库。在完成a.b.c.之后,必须运行../openpose-moster/windows/download_3rdparty_and_models.bat脚本文件,如果在c过程运行了getModels.bat或getModels.sh,download_3rdparty_and_models.bat只会下载OpenPose.sln所需的三方库 

当然也可以跳过c过程,直接运行download_3rdparty_and_models.bat,会把OpenPose.sln运行所需的model和三方库全部下载好。

如果上面的都不好自动下载的话,可以直接在网上下载对应的文件,链接如下:

【caffe3rdparty】链接:https://pan.baidu.com/s/1WHfTmcKbY6smkhIBo1xjPQ  提取码:1g5z

【opencv_310】链接:https://pan.baidu.com/s/1ppx-hID5ebTYUEz-CaHvRQ  提取码:djw0

【openpose_caffe_model】链接:https://pan.baidu.com/s/1QfKVA4FIfBOYAcJhLPh0bg 提取码:8qel

步骤3:启动OpenPose.sln

完成步骤2之后,进入../openpose-master/windows/路径下,打开OpenPose.sln即可。 

打开OpenPose.sln之后,资源管理器显示如下

依次打开Examples/OpenPoseDemo/openpose.cpp文件,并且设置OpenPoseDemo为启动项目。(设置启动项,点击右键-设置为启动项目)。

步骤4:编译运行OpenPoseDemo

a.推荐使用Release编译运行模式,然后直接运行其程序即可。 
b.默认运行后会直接调用电脑的摄像头,如果你的电脑没有可用摄像头,相信应该会报出错误。具体的错误由于笔者还没遇到,暂时不粘贴了,有朋友遇到可以帮我留图。 
c.运行.jpg图片检测识别pose。 
按照下图所示,修改image_dir的值为“example/media/”

【PS】此处的example/media/路径为../openpose-master/examples/media/路径,其路径下内容如下。笔者在一开始的时候以为是../Release路径下的,这里的PS也是提示大家别有一样的想法。另外大家测试自己的图像,也可以放到这个路径下进行测试。

运行后的结果如下:

d.运行.avi视频检测识别pose。 
按照下图所示,修改image_dir的值为“example/media/” 

以自带的video.avi为例,给一个运行结果给大家看看,也可以运行一个自己的视频,支持.avi和.mp4格式的视频文件。 

【PS】此处设置时,不能两个都不为空。

步骤5:编译运行pose+hand/face

a.pose 
在默认条件下,即是识别pose,并且按照骨骼姿态还原出当前人体的pose,图像案例在步骤4已经给出来了,这里不在另外给出。 
b.pose+hand 
修改配置,设置hand变量的值为true,就设置为pose+hand模式 

给一个运行结果给大家看看, 

c.pose+face 
修改配置,设置face变量的值为true,就设置为pose+face模式 

结果如下:

d.pose+hand+face 
修改配置,设置hand变量的值为true,设置face变量的值为true,就设置为pose+hand+face模式的识别检测。

然而,笔者的笔记本GPU配置较差,无法运行pose+hand+face模式下的程序,程序报错如下,这是一个内存溢出问题,笔者一开始调试还以为是程序bug,后来经过一番周折才弄明白是怎么回事。

【PS】pose+hand/face如果不修改其网络处理的分辨率,也同样会出现下列问题。 
【PS】这个问题的出现及详细分析和具体实验,笔者在博文【OpenPose-Windows】error2 win10-OpenPose-pose+hand/face中断问题 有具体给出。

【关于如何在运行之后保存运行结果】之前的博主已经写了一篇新的博客 【OpenPose-Windows】运行OpenposeDemo.exe 如何保存图像运行结果及关节点信息 欢迎大家前来讨论研究。

【安装运行时遇到如下问题 】

问题1

其实别看到那么多错误,就被他吓到了,下面让我们一个一个解决他们。 
首先解决gflags和glog的问题,通常来讲无法打开源文件” — “, 都是没有找到对应的头文件所致,既然环境无法自动定位我们对应的头文件,那就需要我们人工include了,打开OpenPoseDemo-》属性-》VC++目录-》包含目录,然后导入你的对应路径。笔者的路径如下: 
D:\DeepLearning\openpose-master\3rdparty\windows\caffe3rdparty\include 
gflags和glog其实就放在..\openpose-master\3rdparty\windows\caffe3rdparty\include 下面 

问题2

好,gflags和glog的问题就被我们解决了。

现在开始解决openpose/headers.hpp的问题,其实这个问题非常简单,只要吧debug运行状态改为release运行状态就完美解决了。

问题3

这个问题,我是参考以下链接修改的,配置设置->链接器->输入中加入了lib库的名称。(即加入了OpenPose.lib)。完成后就算是把lib包导入了。当然之后要点击生成->生成解决方案,用来生成exe执行文件,并把相应的dll文件拷贝到exe文件的旁边,便大功告成。

修改的链接:https://blog.csdn.net/galileoyuyu/article/details/82562776

问题4

LINK : fatal error LNK1181: 无法打开输入文件..\3rdparty\windows\caffe3rdparty\lib\boost_atomic-vc140-mt-1_61.lib

LINK : fatal error LNK1181: 无法打开输入文件..\x64\Release\OpenPose.lib

原因:对应文件夹下没有对应的lib文件,自然也就无法打开。

解决办法:下载对应版本的boost库(即boost_1_61_0)并运行其exe文件,将该文件夹下的lib64-msvc-14.0文件中对应的lib拷贝到..\3rdparty\windows\caffe3rdparty\lib目录下,重新编译即可。

【boost_1_61_0下载】https://blog.csdn.net/duan19920101/article/details/51363418

问题5

问题分析:https://blog.csdn.net/nemo2011/article/details/51232533

问题解决办法:换显卡配置更高的电脑运行代码

 

  • 2
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 13
    评论
### 回答1: OpenCV是一个开源的计算机视觉和机器学习库,可以方便地处理图像和视频。而CUDA(Compute Unified Device Architecture)是由NVIDIA开发的一种并行计算架构,可以加速图形处理器(GPU)上的计算任务。 OpenCV 4.5.1OpenCV的一个版本,它提供了丰富的功能和算法,用于图像和视频处理、特征提取、目标检测等任务。这个版本可以在Windows 10操作系统上使用,并且可以与Visual Studio 2017集成,提供开发环境和调试工具。 CUDA 10.0是NVIDIA的一个版本,它支持NVIDIA GPU上的并行计算任务。它允许开发人员使用C语言、C++或CUDA自己的扩展语言编写并行计算代码,以加速计算密集型任务。例如,在图像处理中,可以使用CUDA加速OpenCV算法,从而提高计算性能。 而cuDNNCUDA Deep Neural Network library)是NVIDIA专门为深度学习任务开发的一个库。它提供了一组高性能的深度神经网络的基本操作和优化算法,可以与CUDAOpenCV结合使用。 综上所述,OpenCV 4.5.1可以与CUDA 10.0和cuDNN 7.6.0集成使用。开发者可以在Visual Studio 2017中使用这些工具和库进行图像处理和机器学习任务的开发和优化。通过使用CUDA加速,可以提高计算性能,而cuDNN可以提供深度学习任务所需的算法和操作。 ### 回答2: OpenCV 4.5.1是一个计算机视觉库,用于在计算机视觉和机器学习项目中进行图像和视频处理。VS2017是一个集成开发环境(IDE),用于Windows操作系统上的软件开发。CUDA(Compute Unified Device Architecture)是一个用于GPU计算的并行计算平台和API模型。CUDNN是NVIDIA深度神经网络库,用于在GPU上加速深度学习任务。 在Windows 10上使用VS2017来编译OpenCV 4.5.1,并在CUDA 10.0和CUDNN 7.6.0的支持下进行构建可以提供更好的计算性能和加速。CUDA 10.0提供了与CUDA架构和驱动程序的兼容性,并支持许多NVIDIA GPU。CUDNN 7.6.0是基于CUDA的深度神经网络库,可以加速深度学习任务的训练和推理。 使用VS2017编译OpenCV可以让开发者方便地在Windows平台上进行开发和调试。VS2017提供了强大的集成开发环境,它可以帮助开发者编写、调试和测试程序。通过配置CUDA 10.0和CUDNN 7.6.0来支持OpenCV的GPU加速,可以进一步提高图像和视频处理的速度和效率。 总结来说,使用OpenCV 4.5.1、VS2017、Windows 10、CUDA 10.0和CUDNN 7.6.0可以实现在Windows平台上的高效计算机视觉和机器学习开发。这种配置可以提供更好的性能和加速,特别是在需要处理大量图像和视频、进行深度学习任务的情况下。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 13
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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