a record of using some pose estimation.
该项目主要记录一下运行一些姿态识别模型的过程。
从OpenPose官网下载源码。
该步骤需要在电脑上安装cmake,vs2015,cuda和cuDNN.
详细步骤记录在了我之前训练Yolo-Fastest的流程中YOLO-Fastest-on-a-no-gpu-windows-computer.
在openpose-master目录下创建build文件夹用来保存编译结果。
按照下图所示点击Configure和Generate。(该步编译会耗费一段时间,因为会自动下载模型文件,opencv等依赖)
在openpose-master/build文件夹下,用vs2015打开ALL_BUILD.vcxproj。按照下图生成解决方案。
将openpose-master/build/bin文件夹作为运行的位置。
将openpose-master/build/x64/Release文件下的所有文件移动到openpose-master/build/bin下。
将openpose-master/models文件夹移动到openpose-master/build/bin下。
点击移动后的models文件夹中的getModels.bat。因为之前模型有可能没下完整。
运行指令
OpenPoseDemo.exe --model_pose COCO --net_resolution 320x176
后面两项是因为我的电脑配置不够,一运行就会出现out of memory的显卡显存报错,后两项可以减少使用的显存。
最后的工程在openpose文件夹下。
直接下载lightweight_openpose-tf1.x文件夹。
该文件夹下的工程基于lightweight-OpenPose进行了一些改动。
python camera.py
tensorflow的版本是2.3.0
在不用显卡推理的情况下,帧数能达到11帧。
直接下载lightweight_openpose-pytorch文件夹。
该文件夹下的工程基于lihjtweiht-OpenPose-pytorch进行了一些改动。
D:\Pycharm\Python3_8_10\python.exe demo.py --checkpoint-path checkpoint_iter_370000.pth --video 0
进行摄像头图像测试。
pytorch版本明显慢于tensorflow版本,帧数只有三四帧。