OpenPose 安装配置与测试

最新推荐文章于 2026-05-04 08:28:32 发布
原创 最新推荐文章于 2026-05-04 08:28:32 发布 · 2.5w 阅读 · 67
标签
#openpose #人体关键点
本文详细介绍了OpenPose在Windows环境下，使用Visual Studio 2015和CUDA 8.0的安装配置过程，包括CUDA和CuDNN的安装，OpenPose依赖库的下载，以及解决GPU内存不足的问题。在GT 720显卡上，通过调整netInputSize参数实现了人体关键点检测，而K40c显卡则能实现更高效的多关键点检测。

1.关于OpenPose
介绍：OpenPose是一个由CMU开源的实时多人关键点检测库，它实现了一个人人体、手部和脸部关键点检测的实时系统（共130个关键点）。
github地址：https://github.com/CMU-Perceptual-Computing-Lab/openpose

2.系统配置
操作系统：Win7 x64
IDE：Viusal studio 2015
GPU：GT 720
CUDA： 8.0

2.1安装CUDA,CuDNN，Visual Studio2015
(1)CUDA安装：https://developer.nvidia.com/cuda-downloads
按照提示直接安装即可。

(2)CuDNN安装：https://developer.nvidia.com/cudnn
这一步需要注册一个账号，并填写一个问卷，完成后即可下载。CuDNN下载后解压，添加 [yourPath]\cuda 和[yourPath]\cuda\bin 到环境变量 并按照如下操作：
[yourPath]\cuda\bin\cudnn64_5.dll —> （拷贝至）
[yourPath]\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
[yourPath]\cuda\include\cudnn.h —> （拷贝至）
[yourPath]\NVIDIA GPU Computing Toolkit\CUDA\v8.0\inclu

最低0.47元/天 解锁文章
openpose姿态估计详解【学习笔记】
qq_23022733的博客
08-15 8712
整体框架如下，1张图片经过CNN网络后分成2个网络，Parts Detection网络是预测关键点，Parts Association网络是预测方向，人体18个关键点总共需要19个不同的方向，而确定方向至少需要1个平面，即。stage越多相当于层数越深，模型感受野越大，姿态估计需要更大的感受野，因为进行关键点检测需要更多关于人体的信息，所以感受野越大则人体的信息越多，关键点检测越能检测准确。在本项目中，需要检测人体18个关键点，除了下图所标注的17个关键点外，还有1个脖子关键点。2、姿势的‘亲和力’向量。
实战——OPenPose讲解及代码实现
weixin_40620310的博客
08-14 5612
一些细节例如匈牙利匹配算法、PAF权值计算、模型结构改进等在这里并没有过多介绍；并且对于现在OPenpoe的使用，主要是将其编译成一个库，作为Python程序的调用；并且相比于本次的代码，其实时性很好，符合大部分落地场景的需求；如果有想要本次项目源码的，可以在评论区留下邮箱，也欢迎大家一起讨论，后续也会探讨更多最新的技术；
如何通过INT8量化加速OpenPose模型部署：完整指南与精度保持技巧
最新发布
gitblog_00011的博客
05-04 414
OpenPose是一款功能强大的实时多人关键点检测库，支持身体、面部、手部和脚部的姿态估计。随着边缘计算和实时应用需求的增长，将OpenPose模型进行INT8量化部署成为提升性能的关键手段。本文将详细介绍INT8量化感知训练的核心步骤、部署方法及精度保持策略，帮助开发者在资源受限设备上实现高效的姿态估计。 ## OpenPose模型量化的价值与挑战 INT8量化通过将模型权重和激活值从32位
关键点检测算法-OpenPose
01-06 4691
我们提出了一个方法，能够在一张图中高效的识别出多人的2D姿态。该方法运用了非参数表示（non-parametric representation），我们称之为部分亲和域（PAFs：Part Affinitu Fields）,用它来学习怎样将身体部分和个体联系起来。这个结构编码了全局信息，并允许一个贪婪的从底向上的解析步骤，这在实现实时性能时，有着高度的精准且无须考虑图像中人的数量。这个结构被设计成相同顺序预测过程的两个分支，来联合学习部分位置（关节点）以及它们之间的关联（相邻的关节点的连接关系）。
openpose原理以及各种细节的介绍
m0_56175815的博客
06-15 3万+
OpenPose是一个基于深度学习的人体姿势估计库，它可以从图像或视频中准确地检测和估计人体的关键点和姿势信息。OpenPose的目标是将人体姿势估计变成一个实时、多人、准确的任务。——本节介绍openpose的原理部分
人体姿态识别OpenPose相关资料
耶律大石的博客
04-24 6745
OpenPose人体姿态识别项目是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，基于它的实例如雨后春笋般涌现。人体姿态估计技术在体育健身、动作采集、3D试衣、舆情监测等领域具有广阔的应用前景，人们更加熟悉的应用就是抖音尬舞...
Openpose 1.7.0安装小记
qq_41872815的博客
12-09 1654
Openpose 1.7.0安装小记基本配置安装过程测试ros_openpose的编译使用 基本配置 电脑：thinkbook 15p 显卡：gtx 1650maxq 系统：ubuntu 18.04 驱动：nvidia 455 CUDA：11.1 CuDNN：8.0.4 Cmake: 3.19.1（官方要求>=3.12） 安装过程 结合官方教程以及自己遇到的问题总结。 // 命令行 //下载源码 git clone https://github.com/CMU-Perceptual-Computing
openpose环境搭建（全教程）
柯南爱上指针的博客
08-08 6万+
目录 一、Ubuntu的安装 制作启动盘 装机 二、安装nvidia显卡驱动 第一步 获取显卡型号 第二步 去NVDIA driver search page查看支持 GTX1080ti 显卡的驱动的最新版本的版本号 第三步 查询支持GTX1080ti显卡的显卡驱动的其他驱动版本 第四步 安装 三、安装cuda+cudnn 第一步 安装nvida驱动 第二步 安装cuda8....
OpenPose在win10系统的配置与运行
Bigger的博客
03-07 5263
前言 最近一段时间在基于openpose骨架提取工具做一些研究，但是openpose的配置调试就花费了不少精力，网上也就一些教程，写的各有重点，所以我想汇总写一个相对完善的配置调试过程，顺便记录一下自己在其中碰到的坑，本篇文章未能详尽的地方欢迎大神补充。 硬件支持参考 openpose官网建议的配置： NvidiaGPUversion: 1.NVIDIA graphics card with at least 1.6 GB available 2.At least 2.5 GB ...
[多图/秒懂]白话OpenPose，最受欢迎的姿态估计网络
cjnewstar111的专栏
03-28 1万+
前言： 最近在开发运动计数APP，需要用到姿态估计相关的算法。于是对这一领域的算法进行了总结。如下图所示为姿态估计的一些经典论文。这其中OpenPose的影响力可以说是非常大的了，由于其开源做的好，论文，代码，教程，文档，模型都非常丰富，因此有很多项目都是基于OpenPose的。并且其bottom-up的核心算法PAF也非常值得学习。本期就对OpenPose进行一个详细的讲解，力争用最白话的语言把内容核心算法讲透彻。 网络结构 ​如下图所示为OpenPose的网络结构： 首先由主干网络VGG
Openpose
qq_33690342的博客
09-12 4107
OpenPose基于Part Affinity Fields（PAFs，部件亲和场）的概念，这是一种非参数化的表示方法，用于学习图像中个体的身体部位之间的关联。是否在某个肢体（limb）上的方法主要依赖于部件亲和场（Part Affinity Fields，简称PAFs）。OpenPose是一个开源库，可以用于身体、脚、手和面部关键点的实时检测，广泛应用于需要2D人体姿态估计的计算机视觉和机器学习应用。采用多阶段CNN架构，每个阶段都会迭代预测PAFs和置信度图，并通过中间监督来细化预测结果。
OpenPose快速安装与入门指南：轻松搞定姿态识别【openpose】【含软件资源】
qq_22841387的博客
03-22 2万+
通过本篇博客，我们介绍了如何通过下载集合版快速安装OpenPose，以及如何配置和运行OpenPose的CPU和GPU版本。希望这篇文章能帮助你顺利开始使用OpenPose进行姿态估计项目。无论你是在研究人体姿态估计、开发交互式应用，还是简单地对计算机视觉技术感兴趣，OpenPose都是一个强大的工具，值得你深入学习和探索。如果你需要在已安装Python 3.8的情况下切换到Python 3.7，你可以使用多个不同版本Python环境管理的方法。
OpenPose
qq_51180928的博客
02-16 3310
OpenPose
人体姿态估计算法之open pose
qq_43258953的博客
02-22 3万+
一，openpose是一种自底向上的算法： OpenPose人体姿态识别项目是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，基于它的实例如雨后春笋般涌现。 检测所有的关键点，再group成不同的人，是当前比较流行的人体姿...
openpose的一些个人理解
z240626191s的博客
06-06 8558
一直都是在做一些目标检测的研究工作，近期开始看一些有关姿态检测的内容，其中最经典的就是openpose这个框架，后面很多动作识别、姿态检测也大多是在该网络上进行改进，比如Real-time 2D Multi-Person Pose Estimation on CPU 这篇论文，在原OpenPose基础上进行了轻量处理，我也用这代码跑了一下，效果也不错。......
Python+OpenCV+OpenPose实现人体姿态估计（人体关键点检测）
热门推荐
不脱发的程序猿
07-01 21万+
目录 1、人体姿态估计简介 2、人体姿态估计数据集 3、OpenPose库 4、实现原理 5、实现神经网络 6、实现代码 1、人体姿态估计简介 人体姿态估计（Human Posture Estimation），是通过将图片中已检测到的人体关键点正确的联系起来，从而估计人体姿态。 人体关键点通常对应人体上有一定自由度的关节，比如颈、肩、肘、腕、腰、膝、踝等，如下图。 ...
Openpose原理总结
weixin_51691064的博客
07-09 7959
Openpose是一种开源的实时多人姿态估计库，由卡耐基梅隆大学开发。它通过分析图像或视频中的人体关键点来估计人体的姿态，识别身体的各个部分，并推断出人体的姿势信息。Openpose能够同时检测和跟踪多个人的姿态，可以用于人机交互、运动分析、动作捕捉、虚拟现实等各种应用领域。它的工作原理是利用卷积神经网络对输入图像进行特征提取，并使用卷积层、池化层、上采样等操作进行特征融合和输出。Openpose在计算机视觉领域具有重要的应用价值，并且被广泛使用。
OpenPoseDemo的用法
AlexDish的博客
05-12 1770
OpenPoseDemo的用法gflags.ccgflags_completions.ccgflags_reporting.cclogging.ccvlog_is_on.ccflags.hpp gflags.cc 位于Flags from C:\Users\guillaume\work\caffe-builder\build_v140_x64\packages\gflags\gflags_download-prefix\src\gflags_download\src\gflags.cc: -flagfile
OpenPose 安装和使用教程
hello_1995的博客
01-05 2万+
OpenPose 人体姿态识别项目是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，基于它的实例如雨后春笋般涌现。人体姿态估计技术在体育健身、动作采集、3D试衣、舆情监测等领域具有广阔的应用前景，人们更加熟悉的应用就是抖音尬舞机。......
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值