ubuntu下OpenPose的安装、使用、初步介绍
安装之前你需要安装caffe。
OpenPose 是第一个实时多人姿态估计系统，包括人体姿态、手指、面部表情等，总共有可以检测135个关键点。
特点：
功能：
- 2D 实时多人关键点检测:
15、18或25个身体/脚步的关键点检测，运算时间与检测出的人物数无关。
2*21个手部关键点检测，运算时间取决于检测出的人数。
70个人脸关键点检测，运算时间取决于检测出的人数。
- 3D 实时单人关键点检测:
从多个单视图实现3-D triangulation
红外摄像头的同步处理
与红外、点云、灰度摄像头兼容，并且提供c++的例子添加自定义输入。
- 校准工具箱。
能够使得你更加容易估计失真，内在和外在相机参数。
- 针对未来的加速优化和视觉流畅，增加了单人位置跟踪。
输入：图片、视频、网络摄像头、红外/点云灰度摄像头和IP摄像头，含有c++的实例，用户可以自定义输入。
输出：原有图片+关键点展示（PNG、JPG、AVI等格式），关键点数据存储文件（(JSON, XML, YML等格式）。
操作系统: Ubuntu (14, 16), Windows (8, 10), Mac OSX, Nvidia TX2.
其他：项目提供: 命令行测试、C++封装、C++ API接口；CUDA (Nvidia GPU), OpenCL (AMD GPU), and CPU 版本。
- Sep 2018: Experimental single-person tracker 增加处理速度观看体现更加流畅!
- Jun 2018: Combined body-foot model released! 40% faster and 5% more accurate!
- Jun 2018: Python API 发布!
- Jun 2018: OpenCL/AMD graphic card version 发布!
- Jun 2018: Calibration toolbox 发布!
- Jun 2018: Mac OSX version (CPU) 发布!
- Mar 2018: CPU version!
- Mar 2018: 3-D keypoint reconstruction module (从多个摄像头识别)!
更多细节, 检查 all released features 和 release notes.
安装、重装、卸载：
需要在windows下安装的可在官方Github中找到相关链接。这里我在ubuntu下进行安装。
# 下载源码
git clone https://github.com/CMU-Perceptual-Computing-Lab/openpose.git
# 检查是否需要更新
git pull origin master
# 安装cmake-gui
sudo apt-get install cmake-qt-gui
# 下载模型
cd models
./getModels.sh
cd ..
# 创建build文件
mkdir build填写openpose源码目录以及build，点击Configure按钮, 选择Unix Makefile和use default native compling，点击finish按钮
cmake-gui
完成之后：
重点是将BUILD_CAFFE的勾取消，Caffe_INCLUDE_DIRS和Caffe_LIBS的路径参考上图
点击Generate按钮，显示Generating done。
接下来在openpose文件夹下打开终端，执行：
cd build/
make -j`nproc`安装完成后，在openpose文件夹下执行：
视频：
./build/examples/openpose/openpose.bin --video examples/media/video.avi
摄像头：
./build/examples/openpose/openpose.bin --face --hand
图片：
./build/examples/openpose/openpose.bin --image_dir examples/media/ --face --hand
大多数用户不需要OpenPose C++/Python而仅仅需要使用OpenPose的Demo：
- OpenPose Demo:为了便于处理图片、视频或者网络摄像头的视频流，并展示和后处理结果，看doc/demo_overview.md，例如，你可以直接通过以下命令在Ubuntu操作系统上处理一个视频。
# Ubuntu
./build/examples/openpose/openpose.bin --video examples/media/video.avi
:: Windows - Portable Demo
bin\OpenPoseDemo.exe --video examples\media\video.avi- 校准工具箱：三维的OpenPose处理和其它立体视觉处理任务需要你校准摄像机，看doc/modules/calibration_module.md。
- OpenPose C++ API：如果你想读取特定的输入数据、增加个性定制的后处理功能或者展示存储功能，查看C++的API接口，examples/tutorial_api_cpp/ 和 doc/library_introduction.md.你可以创建你自己的代码依照这个例子examples/user_code/，快速完成并且编译整个OpenPose项目，看这个文档examples/user_code/README.md获取更多的创建自己代码的细节问题。
- OpenPose Python API：与C++的接口类似，Python的接口查看文档examples/tutorial_api_python/。
- 增加额外的模块：在文档doc/library_add_new_module.md中可以找到更多的信息。
- 标准的人脸或者手指检测：
- 脸部关键点检测，不进行身体关键点的检测：如果你想要加速（并且会减少检测人脸的数量），查看文档：doc/standalone_face_or_hand_keypoint_detector.md。
- 使用你自己的脸部和手部识别工具：与身体关键点识别不同，你可以使用你自己的脸部和手部识别工具。比方说，在手指能看清但身体看不清的时候使用（OpenPose的识别器不能正常工作），查看文档：doc/standalone_face_or_hand_keypoint_detector.md。
输出
查看输出文件的格式、关键点数据结构等信息，看文档：doc/output.md。
增加运算速度以及基准测试
查看增加运行速度、减少内存需求的提示，查看文档：doc/speed_up_preserving_accuracy.md。
扩展：
- 论文：Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields，Hand Keypoint Detection in Single Images using Multiview Bootstrapping，Convolutional Pose Machines
- CMU训练数据集：CMU Panoptic Studio dataset.
- windows下OpenCv调用模型实现：https://mp.weixin.qq.com/s/MRRljFBH1T1STvTm0CT4Qw。
DensePose：
论文地址：arxiv.org/abs/1802.00434
GitHub地址：github.com/facebookresearch/Densepose
数据集地址：github.com/facebookresearch/DensePose/blob/master/INSTALL.md#fetch-densepose-data
Realtime Multi-Person Pose Estimation：
论文地址：arxiv.org/abs/1611.08050
GitHub地址：github.com/ZheC/Realtime_Multi-Person_Pose_Estimation
-
OpenPose C++：github.com/CMU-Perceptual-Computing-Lab/openpose
-
TensorFlow：github.com/ZheC/Realtime_Multi-Person_Pose_Estimation
-
Keras（1）：modelzoo.co/model/keras-realtime-multi-person-pose-estimation
-
Keras（2）：github.com/michalfaber/keras_Realtime_Multi-Person_Pose_Estimation
-
PyTorch（1）：github.com/tensorboy/pytorch_Realtime_Multi-Person_Pose_Estimation
-
PyTorch（2）：github.com/DavexPro/pytorch-pose-estimation
-
PyTorch（3）：github.com/MVIG-SJTU/AlphaPose/tree/pytorch
-
MXNet：github.com/dragonfly90/mxnet_Realtime_Multi-Person_Pose_Estimation
AlphaPose：
论文地址：arxiv.org/abs/1612.00137
GitHub地址：github.com/MVIG-SJTU/AlphaPose
ArtTracker论文：arxiv.org/abs/1612.01465
DeeperCut论文：arxiv.org/abs/1605.03170
网站地址：pose.mpi-inf.mpg.de/
GitHub地址：github.com/eldar/pose-tensorflow
DeepPose：
-
Chainer：github.com/mitmul/deeppose
-
TensorFlow：github.com/asanakoy/deeppose_tf
-
论文地址：static.googleusercontent.com/media/research.google.com/zh-CN//pubs/archive/42237.pdf
我的微信公众号名称：深度学习与先进智能决策
微信公众号ID：MultiAgent1024
公众号介绍：主要研究强化学习、计算机视觉、深度学习、机器学习等相关内容，分享学习过程中的学习笔记和心得！期待您的关注，欢迎一起学习交流进步！