openpose环境搭建（详细教程CPUGPU）windows 10+python 3.7+CUDA 11.6+VS2022

玩转OpenPose

• 【玩转OpenPose】编译篇
• • 一、开发环境
  • 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）
    • 2.2 下载Cmake
    • 2.3 下载0penPose源码
    • 2.4 下载caffe-openpose源码
    • 2.5 下载pybind11源码
    • 三、编译OpenPose(以上步骤完成-开始编译)
    • • 3.1 编译GPU
      • 3.2 编译CPU
      • 3.3 demo测试（GPU版和CPU版都相同）
      • 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
        • 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
        • 4.5 将openpose/models目录下的所有文件复制到项目的/models目录下
        • 4.6 主要文件已经准备就绪，使用python测试是否可用
        • 五、常见问题
        • • 5.1 Check failed: error == cudaSuccess (2 vs. 0) out of memory
          • 5.2 在cmake过程中可能出现提示
          • 5.3 官方常见问题解决方法
          • 六、补充

            【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	CPU	GPU
            windows 10	Intel® Core™ i5-8300H	GeForce GTX 1050 Ti

            2、软件环境

            python	CUDA	CUDNN	Visual Studio	Cmake
            3.7	v11.6	8.4	2022 community	3.24

            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

            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：

            

            

            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 
              

              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 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
              

              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！