1 什么是Openpose?

OpenPose是在单图像上联合检测人体、手、面部和脚关键点（总共135个关键点）的实时多人系统。

抖音“尬舞”机就应用了人体关键点检测技术：

就像玩真实的跳舞机一样，屏幕里伴随着音乐会不断出现不同动作图形，用户需要及时摆出对应的动作才能得分，随着动作的进程系统会发出perfect 、good以及连击音效。

应用openpose检测出人体关键点，再和预设舞蹈的关键点作比较，就可以判定得分，实现上述功能。

2 Windows下配置Openpose

2.1 下载openpose

新建空白目录，使用git bash运行

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

也可以到openpose仓库直接下载开源压缩包到本地。

2.2 配置第三方库与模型

下载openpose完毕后进入openpose\3rdparty\windows依次点击下面的.bat文件安装第三方库。

安装完毕如下所示：

进入openpose\model点击getModels.bat下载模型，下载完成后如下

2.3 编译Openpose

在openpose根目录下新建文件夹build，打开CMake GUI，源文件选择openpose根目录，编译文件选择build文件夹，如下

在Build中勾选下面的选项：

其中BUILD_CAFFE用于编译caffe库，BUILD_PYTHON用于编译Python接口，后面想使用Python调用Openpose务必要勾选(有的教程怕出错不勾选)。

CUDA方面之前配置过会自动链接并显示版本号的，没有GPU的同学可以勾选CPU_ONLY用CPU来跑这个模型，但是运行不流畅。没有安装CUDA的同学先行安装CUDA以及对应版本的Cudnn。

之后点击Configure按钮，在Windows下请选择对应Visual Studio版本号和PC位数；在Ubuntu下请选择Unix MakeFile

Configure完成后如下：

因为勾选了BUILD_PYTHON，所以CMake为链接到本机上的Python编译器。

最后点击Generate即可。

2.4 生成项目与测试

点击CMake中的Open Project进入VS，右键项目重新生成解决方案。

经过一段时间的编译后，会在build/x64/Release下生成可执行文件。

把build\bin中的*.dll以及根目录下的model复制到build/x64/Release中，即可测试实例。

3 Python调用Openpose

再新建一个文件夹用于测试Python API。

将openpose\build\bin、openpose\models、openpose\build\x64\Release目录复制进来，把Openpose\build\python\openpose的三个文件复制进来，否则会报错。

新建一个test.py文件用于测试接口，下面的例程需要插入一个USB摄像机，没有设备的话可以把cv2.imread()替换成自己的图片。

import sys
import cv2
import os
from sys import platform

# Import Openpose (Windows/Ubuntu/OSX)
dir_path = os.path.dirname(os.path.realpath(__file__))
try:
    # Windows Import
    if platform == "win32":
        os.environ['PATH']  = os.environ['PATH'] + ';' + dir_path + './Release;' +  dir_path + './bin;'
        import pyopenpose as op
    else:
        # Change these variables to point to the correct folder (Release/x64 etc.)
        sys.path.append('../../python');
        from openpose import pyopenpose as op
except ImportError as e:
    print('Error: OpenPose library could not be found. Did you enable `BUILD_PYTHON` in CMake and have this Python script in the right folder?')
    raise e

if __name__ == "__main__":
    # 设置Openpose模型并初始化
    params = dict()
    params["model_folder"] = "./models/"
    opWrapper, datum = op.WrapperPython(), op.Datum()
    opWrapper.configure(params)
    opWrapper.start()

    # 启动摄像头
    capture= cv2.VideoCapture(0)
    while(1):
        ref,frame = capture.read()
        # 载入当前帧到Openpose
        datum.cvInputData = frame           
        opWrapper.emplaceAndPop(op.VectorDatum([datum]))

        # 模型输出图像
        process = datum.cvOutputData
  
        # 显示
        cv2.imshow("test", process)
        if not ref:
            break
        key = cv2.waitKey(1) & 0xFF

        if key == 27: 
            print("Escape hit, closing...")
            break

显示效果如下：

在这个基础上可以进一步二次开发。

4 附录： Ubuntu下配置Openpose

4.1 下载Openpose并配置第三方

下载openpose

git clone https://github.com/CMU-Perceptual-Computing-Lab/openpose
cd openpose/
git submodule update --init --recursive --remote

配置opencv、caffe以及一些依赖

sudo apt-get install libopencv-dev
cd openpose
sudo bash ./scripts/ubuntu/install_deps.sh

4.2 编译openpose

打开CMake-GUI

cd {OpenPose_folder}
mkdir build/
cd build/
cmake-gui ..

其余部分同Windows过程

4.3 测试

# 视频
./build/examples/openpose/openpose.bin --video examples/media/video.avi --net_resolution '160x80'
# 图片
./build/examples/openpose/openpose.bin --image_dir examples/media/ --net_resolution '160x80'

🚀 计算机视觉基础教程说明

章号                                    内容
  0               色彩空间与数字成像
  1               计算机几何基础
  2               图像增强、滤波、金字塔
  3               图像特征提取
  4               图像特征描述
  5               图像特征匹配
  6               立体视觉
  7               项目实战

🔥 更多精彩专栏：

• 《机器人原理与技术》
• 《计算机视觉教程》
• 《机器学习》
• 《嵌入式系统》
• 《数值优化方法》
• …
  
  

👇配套代码 · 优质体验 · 系统知识 请关注👇