基于openpose的动作识别（一）

一、搭建深度学习框架

安装cunda+cudnn+tensorflow-gpu

参考：https://www.cnblogs.com/StarZhai/p/tensorflow-gpu.html

二、下载源码

OpenPose项目Github链接：https://github.com/CMU-Perceptual-Computing-Lab/openpose

Windows能用的版本: 点击所有版本 下载最新的版本即可。

 

三、参考官方文档

 

快速启动

大部分用户不需要调用OpenPose的C++和Python的开发接口，这些用户只需要运行OpenPose Demo即可

• 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，你需要看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。

• 校准工具: 三维的OpenPose处理和其它立体视觉处理任务需要你便捷校准摄像机，可查看 doc/modules/calibration_module.md文档。
• OpenPose C++ API: 如果你想定制开发读取特定内容的接口、增加个性定制的后处理功能或者展示存储功能，点击这个链接查看C++的API接口，examples/tutorial_api_cpp/ 和 doc/library_introduction.md。你可以增加自己的代码examples/user_code/ 使用Cmake快速编译整个项目。快速增加自己定制的代码，看这个文档：examples/user_code/README.md
• OpenPose Python API: 类似C++的API接口，点击文档查看Python API的教程examples/tutorial_api_python/.
• 增加额外的模块:查看 doc/library_add_new_module.md.
• 独立的脸部和手指检测:
  • 脸部 不对身体关键点进行识别，仅对脸部关键点识别：如果你想加快处理速度（同时也会减少识别脸的个数），请看OpenCV脸部识别文档：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

请点击这个文档，查看输出文件的格式、关键点数据结构等信息。doc/output.md.

增加运算速度以及基准测试

点击这个文档，查看增加运行速度、减少内存需求的提示 doc/faq.md#speed-up-memory-reduction-and-benchmark.

参考文献和扩展阅读

【1】论文：https://arxiv.org/pdf/1611.08050.pdf

【2】姿态检测视频制作源码：muyiguangda/caffe_rtpose

【3】开头视频：Changing Batteries 更换电池「中字」

【4】CMU训练数据集： CMU Panoptic Dataset

【4】匈牙利算法： Hungarian algorithm

 

参考链接：https://www.jianshu.com/p/3aa810b35a5d

来源：https://www.cnblogs.com/StarZhai/p/11994914.html