精华内容
下载资源
问答
  • OpenPose环境配置

    2020-10-28 11:14:46
    文章目录OpenPose环境配置1. 拉取镜像2. 进入容器,进行测试3. 可能存在的问题(1) can not opendisplay(2) Check failed: error == cudaSuccess (48 vs. 0) no kernel image is available for execution on the ...

    OpenPose环境配置

    本次配置是使用docker进行openpose环境的配置

    1. 拉取镜像

    docker hub官方网站
    这里我使用的是exsidius/openpose

    创建docker这里不再赘述,可以自己百度

    2. 进入容器,进行测试

    进入容器文件界面,可以看到直接就有一个命名为openpose的文件夹
    在这里插入图片描述
    此时可以进入文件夹测试,可以直接使用官方给的测试指令进行测试:
    直接在命令行输入:

    cd openpose
    #only body
    ./build/examples/openpose/openpose.bin --video examples/media/video.avi
    

    如果可以直接运行,那么你的环境就已经可以使用了

    但是在实际测试时,我并没有成功。因此,还需要以下的步骤:

    解决步骤:
    1、重新克隆项目,这里我直接在workspace下重新克隆了一个新项目,没有删除原来的

    git clone https://github.com/CMU-Perceptual-Computing-Lab/openpose
    cd 3rdparty/
    git clone https://github.com/CMU-Perceptual-Computing-Lab/caffe
    

    如果嫌下载速度慢的话,可以使用我的百度云链接:

    百度云链接

    提取码:gfhq

    2、直接修改cuda.cmake文件
    注意:这里的cuda.cmake是在:/root/Workspace/openpose/3rdparty/caffe/cmake的文件夹下
    修改内容有两处如下:
    1.在if (UNIX AND NOT APPLE)下面添加一行:

    set(Caffe_known_gpu_archs "30 35 50 52 60 61 70 75")
    

    最后修改效果如下:
    在这里插入图片描述

    2.添加以下几行:

      if(${CUDA_ARCH_NAME} STREQUAL "Fermi")
        set(__cuda_arch_bin "20 21(20)")
      elseif(${CUDA_ARCH_NAME} STREQUAL "Kepler")
        set(__cuda_arch_bin "30 35")
      elseif(${CUDA_ARCH_NAME} STREQUAL "Maxwell")
        set(__cuda_arch_bin "50")
      elseif(${CUDA_ARCH_NAME} STREQUAL "Pascal")
        set(__cuda_arch_bin "60 61")
      elseif(${CUDA_ARCH_NAME} STREQUAL "Volta")
        set(__cuda_arch_bin "70")
      elseif(${CUDA_ARCH_NAME} STREQUAL "Turing")
        set(__cuda_arch_bin "75")
    
      elseif(${CUDA_ARCH_NAME} STREQUAL "All")
       set(__cuda_arch_bin ${Caffe_known_gpu_archs})
      elseif(${CUDA_ARCH_NAME} STREQUAL "Auto")
        caffe_detect_installed_gpus(__cuda_arch_bin)
      else() # (${CUDA_ARCH_NAME} STREQUAL "Manual")
        set(__cuda_arch_bin ${CUDA_ARCH_BIN})
      endif()
    

    最后修改效果如下:
    在这里插入图片描述
    3、输入以下指令,等待全部执行完毕即可,有可能速度很慢,取决于你的网速(提前下载好模型会加快速度)

    如果嫌下载速度慢的话,可以使用我的百度云链接:

    百度云链接

    提取码:gfhq

    cd openpose
    sudo bash ./scripts/ubuntu/install_deps.sh
    mkdir build
    cd build
    cmake ..
    make -j4
    sudo make install
    

    以上步骤执行完毕以后,可以再次使用上面所给的指令来进行测试,看环境是否配置完成

    执行完最后一步,即sudo make install显示:

    image-20201028111118618

    然后再使用之前的测试指令进行测试,看环境是否配置完成

    3. 可能存在的问题

    (1) can not opendisplay

    这里因为我是连接服务器使用的,没有图形化界面。如果你只是需要利用openpose输入keypoints等关键点信息的话,可以直接用如下指令来解决:

    #only body
    ./build/examples/openpose/openpose.bin --video examples/media/video.avi --write_json output/ --display 0 --render_pose 0
    #Body + face + hands
    ./build/examples/openpose/openpose.bin --video examples/media/video.avi --write_json output/ --display 0 --render_pose 0 --face --hand
    

    (2) Check failed: error == cudaSuccess (48 vs. 0) no kernel image is available for execution on the device

    解决方法就是上文所提到的解决步骤

    image-20201028110755569

    (3)Check failed: ReadProtoFromBinaryFile(param_file, param) Failed to parse NetParameter file

    这可能是你的pose_iter_102000.caffemode文件损坏了,或者根本不存在。解决方法也很简单,直接重新下载就好了(该文件的位置在/root/Workspace/openpose/models/hand下)

    解决方法:

    cd /root/Workspace/openpose/models
    sudo sh getModels.sh
    

    接下来等待下载完成即可。注意:这里的错误是发生在测试加上手和面部的关键点检测后出现的,如果只是运行身体的关键点检测一般不会出现这种问题

    参考链接

    openpose演示实例概述链接

    问题2解决方法参考链接

    openpose快速入门

    展开全文
  • Ubuntu18.04 人体姿态检测算法OpenPose环境配置Ubuntu18.04 人体姿态检测算法OpenPose环境配置资源的准备Caffe搭建OpenPose编译 Ubuntu18.04 人体姿态检测算法OpenPose环境配置 最近项目中需要实现一个人体姿态检测...

    Ubuntu18.04 人体姿态检测算法OpenPose环境配置

    最近项目中需要实现一个人体姿态检测算法的需求,GitHub中也有Pytorch版本的OpenPose但是跑起视频来惨不忍睹,只有2-3FPS;于是就考虑使用CMU官方的代码,就进行了一波漫长的环境配置。

    资源的准备

    首先在Github上获取OpenPose项目文件:

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

    根据网络情况可能有快有慢,还是建议挂一下梯子下载速度快一些。

    OpenPose的项目环境需要Caffe与OpenCV,于是先行安装OpenCV,可以从OpenCV官网下载OpenCV官网,也可以通过git:

    git clone https://github.com/Itseez/opencv.git
    git clone https://github.com/Itseez/opencv_contrib.git
    

    下载成功后,可以在你的home目录下看见opencv和opencv_contrib两个文件夹,将opencv_contrib目录移到opencv目录下。

    在下载的过程中,我们可以添加opencv所需要的依赖库:

    sudo apt-get install build-essential
    sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
    sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
    

    安装build-essential可能会出现安装不上的问题,需要安装可以使用:

    apt depends build-essential
    

    查看build-essential所需要的依赖。

    在各项依赖安装完成之后mkdir build在opencv目录下创建build目录,cd build进入build目录,执行:

    cmake -D CMAKE_INSTALL_PREFIX=/usr/local -D CMAKE_BUILD_TYPE=Release -D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib/modules ..
    

    注意:最后的两个点不能丢
    在这里插入图片描述

    cmake编译成功出现Configuring done和Generating done,接下来进行下一步输入

    sudo make -j8
    

    如果顺利的话就会出现
    在这里插入图片描述

    这就意味着opencv编译成功了,如果出现了编译错误,那就需要找一找是否是有哪些依赖没有事先安装。

    接下来运行:

    sudo make install
    

    可以在/usr/local/lib目录下看到一系列libopencv_xxx.so等这样的动态库,这样成功安装OpenCV,可以适用于各种语言。

    Caffe搭建

    安装相关依赖库

    sudo apt-get --assume-yes install build-essential
     
    sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
     
    sudo apt-get install --no-install-recommends libboost-all-dev
     
    sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
     
    sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
     
    sudo -H pip install --upgrade numpy protobuf
    

    Caffe的下载

    可以直接从OpenPose的GitHub项目中的3rdparty的第三方目录中Caffe中获取:

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

    将下载好的Caffe文件放在OpenPose项目的Caffe目录下进行编译,以免一些未知的错误,打开下载好的Caffe文件,目录下新建一个build目录

    修改MakeFile.config进入caffe,将 Makefile.config.example 文件复制一份并更名为Makefile.config,也可以在caffe目录下直接调用以下命令完成复制操作 :

    sudo cp Makefile.config.example Makefile.config
    

    修改Makefile.config文件,在caffe目录下打开该文件:

    ...
    将
    #USE_CUDNN := 1
    修改成: 
    USE_CUDNN := 1
    ...
     
    ...
    #如果此处是OpenCV2,则不用修改
    将
    #OPENCV_VERSION := 3 
    修改为: 
    OPENCV_VERSION := 3
    ...
     
    ...
    将
    #WITH_PYTHON_LAYER := 1 
    修改为 
    WITH_PYTHON_LAYER := 1
    ...
     
    ...
    INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
    LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib 
    修改为: 
    INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
    LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial       
    ...
     
    ...
    将
    CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \
    		-gencode arch=compute_20,code=sm_21 \
    		-gencode arch=compute_30,code=sm_30 \
    		-gencode arch=compute_35,code=sm_35 \
    		-gencode arch=compute_50,code=sm_50 \
    		-gencode arch=compute_52,code=sm_52 \
    		-gencode arch=compute_60,code=sm_60 \
    		-gencode arch=compute_61,code=sm_61 \
    		-gencode arch=compute_61,code=compute_61
    修改为
    CUDA_ARCH := -gencode arch=compute_30,code=sm_30 \
    		-gencode arch=compute_35,code=sm_35 \
    		-gencode arch=compute_50,code=sm_50 \
    		-gencode arch=compute_52,code=sm_52 \
    		-gencode arch=compute_60,code=sm_60 \
    		-gencode arch=compute_61,code=sm_61 \
    		-gencode arch=compute_61,code=compute_61
    ...
    

    然后修改 Caffe 目录下的Makefile 文件:

    ...
    将:
    NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)
    替换为:
    NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
    ...
     
    ...
    将:
    LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
    改为:
    LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial
    ...
    

    然后修改/usr/local/cuda/include/host_config.h文件

    ...
    将
    #error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
    改为
    //#error-- unsupported GNU version! gcc versions later than 4.9 are not supported!
    ...
    

    编译 ,在caffe目录下执行:

    sudo make all -j8
    

    在编译的过程中遇到了:

    libcudart.so.10.0: cannot open shared object file: No such file or directory
    

    显示连接不上cuda的相关动态库,首先确认了环境变量/etc/profile~/.bashrc中有含了:

    export PATH=$PATH:/usr/local/cuda-10.0/bin
    export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.0/lib64
    export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda-10.0/lib64
    
    source /etc/profile
    

    使得配置文件生效之后在编译

    若仍提示相同的错误,则执行以下命令,将相应的库文件复制到/usr/lib

    sudo cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.so.8.0 && sudo ldconfig
    sudo cp /usr/local/cuda-8.0/lib64/libcublas.so.8.0 /usr/local/lib/libcublas.so.8.0 && sudo ldconfig
    sudo cp /usr/local/cuda-8.0/lib64/libcurand.so.8.0 /usr/local/lib/libcurand.so.8.0 && sudo ldconfig
    

    ldconfig命令是一个动态链接库管理命令,是为了让动态链接库为系统共享。

    然后重新进入Caffe目录下进行编译

    sudo make clean
    sudo make all -j8
    

    再测试Caffe是否安装成功:

    sudo make runtest -j8
    

    测试时间较长,但是觉得还是有必要进行一下,因为如果Caffe编译不成功导致后面OpenPose编译不成功,问题不好排查,当终端出现RUN OK等绿色字样意味着编译成功了,便可以进行下一步

    OpenPose编译

    首先安装Cmake GUI

    sudo apt-get install cmake-gui
    

    下载官方给的caffemodel

    cd models
    ./getModels.sh
    cd ..
    

    下载速度看网络情况,也可选择一下连接手动下载模型权重,放在对应的模型目录下

    http://posefs1.perception.cs.cmu.edu/OpenPose/models/pose/body_25/pose_iter_584000.caffemodel
    http://posefs1.perception.cs.cmu.edu/OpenPose/models/pose/coco/pose_iter_440000.caffemodel
    http://posefs1.perception.cs.cmu.edu/OpenPose/models/pose/mpi/pose_iter_160000.caffemodel
    http://posefs1.perception.cs.cmu.edu/OpenPose/models/face/pose_iter_116000.caffemodel
    http://posefs1.perception.cs.cmu.edu/OpenPose/models/hand/pose_iter_102000.caffemodel
    

    打开Cmake GUI对OpenPose进行编译,进入图形化界面后where is the source codeWhere to build the binaries分别填写OpenPose项目目录和build目录

    然后在左下角的configure

    在这里插入图片描述

    默认就这两个选项,点击Finish,完成之后选择
    在这里插入图片描述

    这个时候要填写之前配置的caffe路径Caffe_INCLUDE_DIRS这个填写caffe目录下的include目录/home/user/openpose/3rdparty/caffe/include

    caffe_LIBS填写home/user/openpose/3rdparty/caffe/build/lib/libcaffe.so然后去掉最上面的BUILD_CAFFE选项,点击下方的Generate,结束

    编译OpenPose:

    cd build
    sudo make -j8
    

    可能会出现fatal error:caffe/proto/caffe.pd.h : No such file or diretory 解决方案:找到最初编译caffe的文件夹,使用命令行(生成caffe.pb.h,然后新建空文件夹移过去)

    protoc src/caffe/proto/caffe.proto --cpp_out=.
    mkdir include/caffe/proto
    mv src/caffe/proto/caffe.pb.h include/caffe/proto
    

    接下来就可以编译成功了

    测试OpenPose

    测试视频:

    # human pose
    ./build/examples/openpose/openpose.bin --video examples/media/video.avi
    # human pose with face and hands
    ./build/examples/openpose/openpose.bin --video examples/media/video.avi --face --hand
    

    摄像头测试:

    # human pose
    ./build/examples/openpose/openpose.bin
    # human pose with face and hands
    ./build/examples/openpose/openpose.bin --face --hand
    

    最后成功显示
    在这里插入图片描述

    展开全文
  • Openpose环境搭建与配置

    千次阅读 2020-07-05 23:26:51
    Openpose环境搭建与配置下载安装Visual Studio:下载CUDA、cuDNN以及安装:下载CUDA下载cuDNNCUDA的安装oppenpose的相关文件准备百度网盘下载文件其他方法下载下载安装Cmake和使用安装CmakeCmake的使用Visual Studio...

    下载安装Visual Studio:

    Visual Studio 2015下载地址:http://download.microsoft.com/download/B/4/8/B4870509-05CB-447C-878F-2F80E4CB464C/vs2015.com_chs.iso
    :安装Visual Studio一定要注意版本最好是2015~2017版本,不然有可能会出现兼容性的问题。

    安装时,一定要将C++的模块全点上
    在这里插入图片描述

    下载CUDA、cuDNN以及安装:

    我使用的显卡配置:NVIDIA GeForce RTX 2070
    系统版本:Windows 10

    下载CUDA

    下载CUDA地址:https://developer.nvidia.com/cuda-toolkit-archive
    如下图所示:
    在这里插入图片描述
    这里有CUDA的各个版本,我选择的CUDA v10版本,点击进入下面页面,选择和你计算机系统一致的版本,并下载到本地:
    在这里插入图片描述

    下载cuDNN

    下载cuDNN地址:https://developer.nvidia.com/rdp/cudnn-download
    :没有账号需要注册账号,账号登录后,找到自己对应的CUDA版本

    以CUDA v10为例:
    在这里插入图片描述在这里插入图片描述
    点击箭头位置以后,选择Windows版本(自己所用的操作系统)

    CUDA的安装

    下载完成之后,进行CUDA v10的安装(我是直接一直点的,默认的安装):
    在这里插入图片描述
    在CUDA安装完成后,将cuDNN压缩包CUDA文件夹下的文件解压到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0目录下(如下图):
    cuDNN压缩包文件展示:

    CUDA\v10.0目录:
    在这里插入图片描述

    oppenpose的相关文件准备

    百度网盘下载文件

    下面是我上传的openpose的仓库源码,以及相关模型、数据包以及文件使用说明的百度网盘地址:
    百度网盘:https://pan.baidu.com/s/1XIx55z0RPzqJIlTmUhr2Ew
    提取码: xn55
    在这里插入图片描述

    其他方法下载

    如果你嫌网盘下载太慢的话,可使用下面的方法(也可以在GitHub上的CMU-Perceptual-Computing-Lab仓库下下载):
    打开此网站:https://gitee.com/Somnambulist-liu/openpose 下载解压
    在这里插入图片描述
    打开openpose文件,看到下图的两个标记文件夹(注:build文件夹是我自己创的,后面会使用)
    在这里插入图片描述
    Models下的文件夹:
    在这里插入图片描述
    3rdparty\windows下的文件夹:在这里插入图片描述在这里插入图片描述

    运行这些bat文件,它会下载相应的模型和其他需要的文件(注:一定要把这些要下载的东西下载下来);如果你觉得下载慢的话,你可以将这些bat文件用记事本打开,复制下载网站地址在迅雷上下载。
    在这里插入图片描述
    这个时候你还要下载caffe(注:这个caffe和windows文件下的caffe不同)和pybind11这两个文件:在这里插入图片描述
    下面是我给的码云上的下载地址(也可以去CMU-Perceptual-Computing-Lab下的openpose仓库下去找相应文件夹下的文件):
    Caffe下载地址:https://gitee.com/Somnambulist-liu/caffe
    pybind11下载地址:https://gitee.com/Somnambulist-liu/pybind11

    下载安装Cmake和使用

    安装Cmake

    下载的地址:https://cmake.org/download/ 安装很简单我就不介绍了在这里插入图片描述

    Cmake的使用

    安装好之后打开Cmake
    选择openpose文件夹路径和build文件夹路径点击configure会弹出如下图的提示框,推荐使用Visual Studio 14 2015的,反正其他的我一运行就报错,下面是64位的(电脑是多少位的就选多少位的),最后点击Finish
    在这里插入图片描述
    运行之后,因为要用python的所以点上BUILD_PYTHON 然后再次点击configure运行
    在这里插入图片描述
    运行完之后,点击图中的Generate 当下面出现Generate done 后,点击Open Project跳转到Visual Studio页面
    在这里插入图片描述

    Visual Studio方案配置

    在此页面将箭头位置改成Release
    在这里插入图片描述
    最后右键点击解决方案’OpenPose’ 会出现生成解决方案
    在这里插入图片描述
    在静静的等待完成过后,如果你很幸运没有错误出现,那么恭喜你应该是成功了;如果有错的话可能是下载的有些文件有问题,那么就重新在下载一遍吧。

    展开全文
  • 人体行为识别(骨架提取),win10下搭建openpose环境,VS2019(python3.7)+openpos 找到一个不错的文章 推荐一下,共同学习 https://www.cnblogs.com/pan1111111111/p/11530289.html链接

    人体行为识别(骨架提取),win10下搭建openpose环境,VS2019(python3.7)+openpos
    找到一个不错的文章 推荐一下,共同学习
    https://www.cnblogs.com/pan1111111111/p/11530289.html链接

    展开全文
  • Openpose环境配置

    千次阅读 2019-05-31 17:28:29
    配置环境一: 系统:Win10 professional 机器:HP-Z840-Workstation 处理器:Intel® Xeon® CPU E5-2660 v3 @ 2.60GHz × 40 显卡:Quadro K5200/PCIe/SSE2 opencv 4.0.0 cuda 10.1.0 cudnn7.5.0 VS 2017 ...
  • openpose环境搭建(全教程)

    万次阅读 多人点赞 2018-08-08 19:38:50
    如上图所示我选择的是linux x86_64 ubuntu 16.04环境,最后一个选项是安装包形式,我选择的是runfile安装包,点击downlad即可下载 2、安装cuda相关依赖 sudo apt-get install freeglut3-dev build-...
  • 文章目录Ubuntu20.0+CUDA11.1+CUDNN8.05+openpose+pytorch 安装前言一、openpose基础环境构建二、Ubuntu Prerequisites1.引入库三、编译安装四、测试结果五、错误报告总结 前言 安装openpose ,并且使用python API...
  • OpenPose环境配置教程

    千次阅读 热门讨论 2019-06-21 19:51:02
    4.环境变量的变化(安装程序自动添加,好像不需要手动添加。没有的话手动添加): 5.github下载openpose到本地,解压。 6.移步到 openpose\3rdparty\windows 路径下,点击图片中的4个文件 再次移步到 ...
  • 附一个环境搭配的:OpenPose1.4.0+VS2017+CUDA9.2+cuDNN9.2+Windows配置教程 (后期会添加相关开发中遇到的一些问题) 1.我自己因为一些原因最后才用的配置是:VS2015 + CUDA8.0 需要注意的是,如果你的显卡是GT....
  • 直接从docker hub上下载openpose镜像,在镜像中进行测试 step1: 下载镜像 docker pull mjsobrep/openpose step2: 启动镜像 sudo nvidia-docker run -it -v /home/csswork/zzh/:/mnt c7a9ca2d8c7e /bin/...
  • 【记录】python搭建openpose环境遇到的坑(不能再多了。。) 背景:重装的系统,anaconda3 1. 坑1: 在anaconda下创建一个新的环境时遇见如下问题: Collecting package metadata (current_repodata.json): failed /...

空空如也

空空如也

1 2 3 4 5 ... 14
收藏数 261
精华内容 104
关键字:

openpose环境