当前位置:   article > 正文

openpose环境搭建(详细教程CPU/GPU)windows 10+python 3.7+CUDA 11.6+VS2022_openpose安装

openpose安装

【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

操作系统CPUGPU
windows 10Intel® Core™ i5-8300HGeForce GTX 1050 Ti

2、软件环境

pythonCUDACUDNNVisual StudioCmake
3.7v11.68.42022 community3.24

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
CUDNNhttps://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:
在这里插入图片描述
在CUDA网站下载对应的版本:
在这里插入图片描述
下载安装包:
在这里插入图片描述
**安装CUDA:**保持路径默认即可

在这里插入图片描述在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
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:
在这里插入图片描述
在这里插入图片描述
如果系统变量没有自动配置的话,需要我们手动配置。路径是根据前面是否自己有没有修改来指定。

**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 
  • 1

nvcc --version
  • 1

在这里插入图片描述
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
在这里插入图片描述
在这里插入图片描述
下载完成后解压全部的文件后:
在这里插入图片描述
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/
在这里插入图片描述
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
  • 1

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
  • 1

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
  • 1

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_GPUbuild_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。
在这里插入图片描述

在这里插入图片描述
然后,点击Configure
在这里插入图片描述
添加VS版本
在这里插入图片描述
设置
在这里插入图片描述
在这里插入图片描述
由于使用GPU版 GPU_MODE = CUDA
在这里插入图片描述
接着点击Configure 后点击Generate
在这里插入图片描述
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。
在这里插入图片描述
出现以下在这里插入图片描述
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。
在这里插入图片描述
在这里插入图片描述
然后,点击Configure
在这里插入图片描述

添加VS版本
在这里插入图片描述
设置
在这里插入图片描述
在这里插入图片描述
由于使用CPU版
GPU_MODE = CPU_ONLY
取消 USE_CUDNN

在这里插入图片描述

接着点击Configure 后点击Generate
在这里插入图片描述
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。
在这里插入图片描述
出现以下在这里插入图片描述

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。
在这里插入图片描述
运行结果:
在这里插入图片描述

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。

在这里插入图片描述

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

在这里插入图片描述

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

在这里插入图片描述

复制后:
在这里插入图片描述

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

在这里插入图片描述
复制后:
在这里插入图片描述

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

在这里插入图片描述
复制后:
在这里插入图片描述

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)
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61

出现以下现象则成功运行:
在这里插入图片描述

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 368x368 (16的倍数)
或者 --number_people_max 减少追踪人数

C++接口,加上–net_resolution 160x160。比如:

OpenPoseDemo.exe --video video.avi --net_resolution 160x160
  • 1

Python接口,也类似:

python demo.py --net_resolution 160x160
  • 1

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
  • 1

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!

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/很楠不爱3/article/detail/96936
推荐阅读
相关标签
  

闽ICP备14008679号