Openpose的tensorflow实现版本。
- 关注我们微信公众号,了解更多
- 加我们winter老师账号进群学习
第一步我们需要将以下的依赖库安装起来,这是本教程实现中必不可缺的主要依赖。
- python3
- tensorflow 1.4.1+
- opencv3, protobuf, python3-tk
- slidingwindow
- window10
git clone git@github.com:yinyuecheng1/tf-pose-estimation.git git clone https://github.com/pdollar/coco.git
安装python3
cd coco/PythonAPI # install pycocotools locally python setup.py build_ext --inplace # install pycocotools to the Python site-packages python setup.py build_ext install
如果出错参考这篇 :https://www.jianshu.com/p/de455d653301
$ cd tf-openpose
$ pip install -r requirements.txt下载swig :https://sourceforge.net/projects/swig/
然后swig.exe放到环境变量PATH下面
$ cd tf_pose/pafprocess $ swig -python -c++ pafprocess.i && python3 setup.py build_ext --inplace
- mac/linux
将github的项目克隆到本地,进入到tf—pose目录下,有一个requirements.txt文件,这个文本文件中写好了所有需要的第三方库,比如numpy等, 使用pip命令,可以一次性将这些第三方库安装好。
$ git clone git@github.com:yinyuecheng1/tf-pose-estimation.git
$ cd tf-openpose
$ pip3 install -r requirements.txt编译第三方库,这里涉及到用swig来编译C++的源码,如果你使用windows系统,那么需要再安装好visual studio 2015和swig,并且配置好环境变量参数,swig只要简单的将swig.exe添加到系统环境变量中。linux系统下,使用会很方便,直接编译即可。
$ cd tf_pose/pafprocess $ swig -python -c++ pafprocess.i && python3 setup.py build_ext --inplace
使用方法:我们直接跳过模型训练这一步,直接使用训练好的模型进行测试,run_video.py会读入视频的内容,进行姿态识别之后,再将结果写入新的视频中。 使用方法很简单,运行如下命令即可。
$ python3 run_video.py --video '../cai.mp4'
[1] https://github.com/CMU-Perceptual-Computing-Lab/openpose
[2] Training Codes : https://github.com/ZheC/Realtime_Multi-Person_Pose_Estimation
[3] Custom Caffe by Openpose : https://github.com/CMU-Perceptual-Computing-Lab/caffe_train
[4] Keras Openpose : https://github.com/michalfaber/keras_Realtime_Multi-Person_Pose_Estimation
[1] Arxiv Paper : https://arxiv.org/abs/1701.00295
[2] https://github.com/DenisTome/Lifting-from-the-Deep-release
[1] Original Paper : https://arxiv.org/abs/1704.04861
[2] Pretrained model : https://github.com/tensorflow/models/blob/master/slim/nets/mobilenet_v1.md
[1] Tensorpack : https://github.com/ppwwyyxx/tensorpack
[1] Freeze graph : https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/tools/freeze_graph.py
[2] Optimize graph : https://codelabs.developers.google.com/codelabs/tensorflow-for-poets-2