基于tf-pose-estimation的关键点检测（TensorFlow实现）

所需环境：Python3.6 + Tensorflow
如果使用cpu版本，可以参考：https://www.jianshu.com/p/da141c730180
如果使用gpu版本，可以参考：https://www.jianshu.com/p/62d414aa843e

还需要装一下git，下载地址：https://git-scm.com/downloads

6个步骤：

1. 安装TensorFlow GPU版本
2. 下载 tf-pose-estimation 源码
3. 安装所需模块
4. 安装openCV
5. Build c++ library
6. 运行

1. 安装TensorFlow GPU版本

参考：https://www.jianshu.com/p/62d414aa843e

如果没有gpu，也可以使用cpu

2. 下载 tf-pose-estimation 源码

git 方式：

git clone https://github.com/ildoonet/tf-pose-estimation

直接下载Zip方式，然后解压源码：

直接下载方式

3.安装所需模块

所需模块查看

打开cmd，进入目录，执行命令：

F:

cd tf-openpose

pip install -r requirements.txt

如图：

安装所需模块

我这里是F:\tf-openpose目录，大家还要按自己的目录来

image.png

如果出现这样的错误，是网络问题，多试几次

4.安装openCV

下载 ： http://ai-download.xmgc360.com/opencv_python-3.3.0.10-cp36-cp36m-win_amd64.whl

根据自己下载所在目录进行安装,我的是放在了F:\tf-openpose目录下

# 安装

pip install F:\tf-openpose\opencv_python-3.3.0.10-cp36-cp36m-win_amd64.whl

5.Build c++ library

首先要下载swig，用swig命令去编译
下载地址：http://prdownloads.sourceforge.net/swig/swigwin-3.0.12.zip，解压到制定目录，我这里放在C:\swigwin-3.0.12，把该目录加入环境变量path

image.png

cd F:\tf-openpose\tf_pose\pafprocess
swig -python -c++ pafprocess.i && python setup.py build_ext --inplace

image.png

6.调用摄像头运行程序：

进入F:\tf-openpose目录下，执行程序

F:

cd tf-openpose

python run_webcam.py --model=mobilenet_thin --resize=432x368 --camera=0

效果如下：

演示效果