【玩转OpenPose】编译篇

OpenPose人体姿态识别是由美国卡耐基梅隆大学（CMU）基于卷积神经网络和监督学习并以Caffe为框架开发的开源库。可以实现人体动作、面部表情、手指运动等姿态估计。适用于单人和多人，具有极好的鲁棒性。是世界上首个基于深度学习的实时多人二维姿态估计应用。
编译好的OpenPose项目： 已上传供大家使用（包括CPU版和GPU版） （C++接口和Python接口）

一、开发环境

1、系统环境

2、软件环境

二、下载与安装

2.1 CUDA（用于高性能计算）与 CUDNN（用于深度神经网络计算的支持）

① 官方教程：

CUDA：https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html
CUDNN：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installwindows

② CUDA安装
CUDA toolkit Download：https://developer.nvidia.com/cuda-toolkit-archive

桌面右键打开NVIDIA控制面板，点击帮助-系统信息-组件，查看自己显卡支持的CUDA版本：

在CUDA网站下载对应的版本：

下载安装包：

**安装CUDA：**保持路径默认即可

在CUDA的安装路径这里，保持默认就好，默然安装在C盘(保证C盘有足够空间，防止后期编译找不到CUDA的路径)。

安装完成后：
查看环境变量是否存在：

**最后：**配置好环境变量后，我们检查下CUDA是否安装成功。

• 打开cmd
• 输入

nvcc -V 

或

nvcc --version

显示cuda_11.6成功下载完成！

③ CUDNN安装
官网下载：https://developer.nvidia.com/rdp/cudnn-archive

CUDNN需要对应安装的CUDA版本


下载完成后解压全部的文件后：

CUDA和CUDNN安装成功！！！

2.2 下载Cmake

下载对于的版本：
链接：https://cmake.org/download/

后解压！看到Cmake-gui即可。

2.3 下载0penPose源码

方法一： 浏览器打开点击下载
openpose官方链接：https://github.com/CMU-Perceptual-Computing-Lab/openpose（需要科学探索下载速度才快）

方法二： git命令下载

git clone https://github.com/CMU-Perceptual-Computing-Lab/openpose.git

下载所需的模型：
1.运行 …/openpose-master/models/ 中的 getModels.bat
使用迅雷下载链接
face模型：http://posefs1.perception.cs.cmu.edu/OpenPose/models/face/pose_iter_116000.caffemodel
hand模型：http://posefs1.perception.cs.cmu.edu/OpenPose/models/hand/pose_iter_102000.caffemodel
pose/body_25模型：http://posefs1.perception.cs.cmu.edu/OpenPose/models/pose/body_25/pose_iter_584000.caffemodel
pose/coco模型：http://posefs1.perception.cs.cmu.edu/OpenPose/models/pose/coco/pose_iter_440000.caffemodel
pose/mpi模型：http://posefs1.perception.cs.cmu.edu/OpenPose/models/pose/mpi/pose_iter_160000.caffemodel
2. 运行 …/openpose-master/3rdparty/windows 中的 ①getCaffe.bat | ②getCaffe3rdparty.bat | ③getFreeglut.bat | ④getOpenCV.bat | ⑤getSpinnaker.bat
（速度慢，百度网盘分享给大家-替换3rdparty/windows）

2.4 下载caffe-openpose源码

方法一： 链接下载
caffe链接: https://github.com/CMU-Perceptual-Computing-Lab/caffe
方法二： git命令下载

git clone https://github.com/CMU-Perceptual-Computing-Lab/caffe.git

将该文件解压放在 …/openpose-master/3rdparty/ 内覆盖caffe

2.5 下载pybind11源码

方法一： 链接下载
caffe链接: https://github.com/pybind/pybind11
方法二： git命令下载

git clone https://github.com/pybind/pybind11.git

将该文件解压放在 …/openpose-master/3rdparty/ 内覆盖pybind11

三、编译OpenPose(以上步骤完成-开始编译)

1.在openpose-master目录下创建两个文件夹，分别为build_GPU、build_CPU。
2.在cmake-3.24.0-windows-x86_64/bin中打开cmake-gui

3.1 编译GPU

先修改路径，后添加Python接口，用于修改python程序。

然后，点击Configure

添加VS版本

后设置


由于使用GPU版 GPU_MODE = CUDA

接着点击Configure 后点击Generate

生成完成后，点击Open Project在VS2022中打开项目，在Release、x64模式下，生成解决方案，等待完成即可。

出现以下
OpenPose的python包就编译完成了，在build_GPU/python/openpose/Release目录下，pyd文件。

3.2 编译CPU

先修改路径，后添加Python接口，用于修改python程序。


然后，点击Configure

添加VS版本

后设置


由于使用CPU版
GPU_MODE = CPU_ONLY
取消 USE_CUDNN

接着点击Configure 后点击Generate

生成完成后，点击Open Project在VS2022中打开项目，在Release、x64模式下，生成解决方案，等待完成即可。

出现以下

到此，OpenPose的python包就编译完成了，在build_CPU/python/openpose/Release目录下，pyd文件。

3.3 demo测试（GPU版和CPU版都相同）

上面的步骤完了之后，C++的例子已经可以运行了，所有C++的例子都在这里，需要用哪个例子，就把它右键设置为启动项目，然后运行就可以了。

运行结果：

四、建立OpenPoseDemo项目

4.1 先创建项目，建立bin目录和models目录，bin目录放依赖的相关文件，models放模型文件。

4.2 将build_GPU(build_CPU)/x64/Release目录下的openpose.dll复制到项目的bin目录下

4.3 将build_GPU(build_CPU)/bin目录下的全部文件复制到项目的bin目录下

复制后：

4.4 将build_GPU(build_CPU)/python/openpose/Release目录下的pyopenpose.cp37-win_amd64.pyd文件复制到项目的根目录下

复制后：

4.5 将openpose/models目录下的所有文件复制到项目的/models目录下

复制后：

4.6 主要文件已经准备就绪，使用python测试是否可用

import os
import sys
import cv2
from sys import platform
import argparse

dir_path = os.path.dirname(os.path.realpath(__file__))

os.environ['PATH'] = os.environ['PATH'] + ';' + dir_path + '/bin;'
import pyopenpose as op

print(op)
print("成功引入pyopenpose")

parser = argparse.ArgumentParser()
# 测试图片的路径要改一下，自己修改
parser.add_argument("--image_path", 
default="examples/COCO_val2014_000000000623.jpg",
                    help="Process an image. Read all standard formats (jpg, png, bmp, etc.).")
args = parser.parse_known_args()

# Custom Params (refer to include/openpose/flags.hpp for more parameters)
params = dict()

params["model_folder"] = "models/"

# Add others in path?
for i in range(0, len(args[1])):
    curr_item = args[1][i]
    if i != len(args[1])-1: next_item = args[1][i+1]
    else: next_item = "1"
    if "--" in curr_item and "--" in next_item:
        key = curr_item.replace('-','')
        if key not in params:  params[key] = "1"
    elif "--" in curr_item and "--" not in next_item:
        key = curr_item.replace('-','')
        if key not in params: params[key] = next_item

# Construct it from system arguments
# op.init_argv(args[1])
# oppython = op.OpenposePython()

# 修改参数
 # 修改分辨率，可以降低对显存的占用 （16的倍数）
params["net_resolution"] = "368x256" 

# Starting OpenPose
opWrapper = op.WrapperPython()
opWrapper.configure(params)
opWrapper.start()

# Process Image
datum = op.Datum()
imageToProcess = cv2.imread(args[0].image_path)
datum.cvInputData = imageToProcess
opWrapper.emplaceAndPop(op.VectorDatum([datum]))

# Display Image
print("Body keypoints: \n" + str(datum.poseKeypoints))
cv2.imshow("OpenPose 1.7.0 - Tutorial Python API", datum.cvOutputData)
cv2.waitKey(0)

出现以下现象则成功运行：

五、常见问题

5.1 Check failed: error == cudaSuccess (2 vs. 0) out of memory

由于GPU显存不足导致的错误，修改 net_resolution 参数 368×368 (16的倍数)
或者 –number_people_max 减少追踪人数

C++接口，加上–net_resolution 160×160。比如：

OpenPoseDemo.exe --video video.avi --net_resolution 160x160

Python接口，也类似：

python demo.py --net_resolution 160x160

这个net_resolution具体参数值根据自己的需要修改，分辨率越小，画面每秒传输帧数（fps）越大，但准确率越小，相反，则越大。不过必须是16的倍数。不然会出现这个报错信息：Error: Net input resolution must be multiples of 16.

5.2 在cmake过程中可能出现提示

pybind11 does not contain a CMakeLists.txt file

openpose源码文件中缺少pybind11，pybind11是c++和python基本类型转换的工具。
重新下载pybind11，并把其放入将该文件解压放在 …/openpose-master/3rdparty/ 内覆盖pybind11 见上文。

5.3 官方常见问题解决方法

链接：https://github.com/CMU-Perceptual-Computing-Lab/openpose/blob/master/doc/05_faq.md#difference-between-body_25-vs-coco-vs-mpi

六、补充

大家有问题在评论区交流，我很乐意为大家解答，码字不易，请大家多多支持；如有不对的地方请指正，谢谢！