lightweight openpose 实操记录（pytorch环境）

基本上是下面几种

• （单人）single person
  • 直接关键点回归
  • heatmap，感觉其实就是把一个点的标签弄成一个高斯分布
• （多人）multi person
  • 自顶向下：先把人圈出来，再针对单个人做检测
  • 自底向上：把所有关键点弄出来，再聚合适配到个人

这个不是本文重点，笔者也还没吃透，可以看这篇综述：Deep Learning-Based Human Pose Estimation: A Survey

作者试过几个模型：openpose,alpahpose，mediapipe，使用体验如下：

• openpose流行度很高，效果也不错，就是有点慢，fps比较低
• alphapose效果和速度都很满意，比较重量级
• mediapipe效果速度都很好，使用体验超级棒，封装太好了

作者打算从头到尾完整地训练一个自己地数据集合，并且要求速度为第一位，精度达到要求即可，经过简单调研，上面几个虽然很不错，但是系统学习下来成本可能比较高，所以后面再弄，打算从2018年的这篇lightweight openpose开始学习，看一下这个introduction就知道为啥先弄这个了：

速度和精度都不错，关键是论文才5页，下面是论文和代码链接，体量都不大，正好适合练手：

环境配置

requirement.txt内容如下：

torch>=0.4.1
torchvision>=0.2.1
pycocotools==2.0.0
opencv-python>=3.4.0.14
numpy>=1.14.0

首先配置pytorch环境，按照pytorch官网即可，然后安装opencv-python：

pip install opencv-python

有一个包pycocotools==2.0.0，死活装不上，

参考了两个博客：

• Microsoft Visual C++ 14.0 is required解决方法
• 目标检测之pycocotools安装

解决方案如第一篇博客的第一种方法，直接下载对应版本的.whl文件，下载链接在第二篇博客里面，从清华镜像搜索下载也行，然后运行

pip install pycocotools_windows-2.0-cp37-cp37m-win_amd64.whl

注：如果采用第一篇博客所述第二种方法，直接安装一个visual studio，应该也是可以的，只是比较麻烦；如果采用所述第三种方法，这时候bug就来了，采用Microsoft Visual C++ Build Tools来解决貌似是不错的解决方式，但是每次安装到一般就提示安装包错误什么的，换了几个博客推荐的下载都不行，放弃此方法，采用第一种或第二种即可。

测试python的demo

下载作者训练好的checkpoint：

• 配置好环境之后，运行如下命令应该就会打开一个摄像头，实时检测：

python demo.py --checkpoint-path checkpoint_iter_370000.pth --video 0

成功运行！有问题的小伙伴可以关注留言交流哈~