windows编译openpose及在python中调用

环境

• windows 10 64bit
• openpose 1.7.0
• cuda 11.1
• cudnn 8.0.5.39
• visual studio 2019
• cmake 3.20.2

视频看这里

YouTube

Bilibili

基础环境安装

cuda 和 cudnn 的部分，这个前面讲过了，不会的话，看这篇

windows 10安装CUDA和cuDNN

由于需要使用到 cmake-gui，因此还需要去下载安装 cmake，地址: https://cmake.org/download/，安装文件拉下来傻瓜式安装，将安装路径加入系统环境变量 Path 中

编译openpose

这里使用的源码是1.7.0版本，地址是：https://github.com/CMU-Perceptual-Computing-Lab/openpose/archive/refs/tags/v1.7.0.zip，下载后解压，在源码根目录新建个文件夹 build，这个文件夹是用来存放编译生成的文件的。另外，openpose 还依赖 caffe 和 pybind11 (这是为了能在 python 中去调用 openpose 的 api )

caffe

pybind11

下载 zip 文件后解压，分别存放在 3rdparty\caffe 和 3rdparty\pybind11

打开 cmake-gui，填写源码位置和编译后产生的文件的位置，也就是上面刚创建的 build 目录

接下来点击下方的 Configure

这个步骤，会去下载几个主要的依赖，包括 opencv、caffe、caffe3rdparty，还有工程中需要用到的模型文件。

这里经常会碰到网络问题而导致某些文件下载失败，从而导致 Configure 失败。

如果 cmake-gui 一直不成功，可以逐个去下载所需要的软件包。

模型文件可以通过双击执行 models\getModels.bat 脚本进行下载

而依赖的 caffe 和 opencv 则可以进入到文件夹 3rdparty/windows，依次执行几个 bat 脚本文件下载

接下来，就可以点击 Generate 生成 visual studio 的解决方案了

如果出现下面类似的错误，就是因为之前的几个依赖，没有下载好导致的，最简单的方法就去看看下载下来的几个 zip 包大小是否正常

目前1.7.0依赖于 caffe、caffe3rdparty、freeglut、opencv 和 spinnaker 这5个包，自行下载后解压，注意解压后文件夹的名称和文件目录结构，如下图

接下来就可以继续点击 Generate

成功之后，点击 Open Project 进入 visual studio

右键点击解决方案中的 OpenPoseDemo，选择 生成，开始编译

结果报错了

看错误提示

calling a __host__ function("__floorf") from a __global__ function("op::resize8TimesKernel<float> ") is not allowed   openpose    F:\dl\openpose-1.7.0\src\openpose\net\resizeAndMergeBase.cu 142 

为解决这个问题，需要修改相应报错的源文件，将 floor 改为 floorf，包括 openpose-1.7.0\include\openpose_private\gpu\cuda.hu 和 openpose-1.7.0\src\openpose\net\resizeAndMergeBase.cu

修改完成后再次编译，就可以成功了

demo测试

右击解决方案中的 OpenPoseDemo，选择设为启动项目

点击 visual studio 中的本地 windows 调试器，运行程序，由于接着 usb 摄像头，openpose 打开了摄像头进行预测

如果想使用某个视频文件来跑跑 OpenPoseDemo，可以在 visual studio 中增加命令行参数，方法是右键打开解决方案中的 OpenPoseDemo，选择属性

选择调试，然后在命令行参数处添加

--video F:\dl\openpose-1.7.0\examples\media\video.avi

最后重新运行

openposedemo常用参数

预测视频

OpenPoseDemo.exe --video examples\media\video.avi

如果想讲预测后的视频保存下来，可以将预测结果保存成图片

OpenPoseDemo.exe --video examples\media\video.avi --write_images examples\media\images

预测图片，将图片文件放在文件夹中

OpenPoseDemo.exe --image_dir examples\media

使用 face、hand 模型，这里以图片预测为例，视频也一样。需要更多的 gpu memory

OpenPoseDemo.exe --image_dir examples\media --face --hand

保存关键点信息，json 格式

OpenPoseDemo.exe --video examples\media\video.avi --write_json examples\media\

在python中调用

在 cmake-gui 中勾选 BUILD_PYTHON 和 BUILD_UNITY_SUPPORT 编译选项

重新 Configure 和 Generate，在打开 visual studio 后，选中 pyopenpose，启动生成。待代码编译完成后，会在 build\x64\Debug 下生成 openposed.dll 文件，在 build\python\openpose\Debug 下生成 pyopenpose.cp38-win_amd64.pyd 文件，这2个文件非常重要，后面在执行 python 示例代码时会用到。

接下来进入到 python 的示例代码目录，这里跑一下 01_body_from_image.py，运行之前，需要做一点点修改，主要是4个路径的修改

if platform == "win32":
    # Change these variables to point to the correct folder (Release/x64 etc.)
    # 第一处
    sys.path.append(dir_path + '/../../build/python/openpose/Debug');
    # sys.path.append(dir_path + '/../../python/openpose/Release');
    # os.environ['PATH']  = os.environ['PATH'] + ';' + dir_path + '/../../x64/Release;' +  dir_path + '/../../bin;'
    # 第二处
    os.environ['PATH']  = os.environ['PATH'] + ';' + dir_path + '/../../build/x64/Debug;' +  dir_path + '/../../build/bin;'
    import pyopenpose as op

# 测试图片的路径和模型文件夹的路径也都要改一下    
parser = argparse.ArgumentParser()
# 第三处
parser.add_argument("--image_path", default="../../examples/media/COCO_val2014_000000000192.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()
# 第四处
params["model_folder"] = "../../models/"    

然后执行

python 01_body_from_image.py

openpose 输出的关键点信息如下图，总共有25个关节点

序列对应的关节名称如下

{0,  "Nose"},
{1,  "Neck"},
{2,  "RShoulder"},
{3,  "RElbow"},
{4,  "RWrist"},
{5,  "LShoulder"},
{6,  "LElbow"},
{7,  "LWrist"},
{8,  "MidHip"},
{9,  "RHip"},
{10, "RKnee"},
{11, "RAnkle"},
{12, "LHip"},
{13, "LKnee"},
{14, "LAnkle"},
{15, "REye"},
{16, "LEye"},
{17, "REar"},
{18, "LEar"},
{19, "LBigToe"},
{20, "LSmallToe"},
{21, "LHeel"},
{22, "RBigToe"},
{23, "RSmallToe"},
{24, "RHeel"},
{25, "Background"}

常见问题

out of memory

如果是使用显存较小的显卡，比如 1050Ti，它只有4G的显存，在正常跑视频测试的时候就会报错

Check failed: error == cudaSuccess (2 vs. 0) out of memory.

据项目作者所说，要运行 openpose，至少需要 4G 。默认情况，caffe 会占用大约 12G，如果使用 cudnn 的话，就能降低至 2.2G，这个是针对人体25个关键点检测而言的，如果是 COCO 的话，大概是 1.5G

碰到上述问题，可以通过减小网络大小来解决，使用参数 --net_resolution，如

OpenPoseDemo.exe --video examples\media\video.avi --net_resolution 320x320

需要说明一点的是，网络小了，速度变快了，但是准确率就会降低

cudaSuccess (3 vs. 0)

Check failed: error == cudaSuccess (3 vs. 0) initialization error *** Check failure stack trace: **

这个一般是 nvidia 的驱动版本低了，直接使用 Geforce Experience 进行版本更新，这里我碰到过更新报错的情况，也不清楚是怎么回事，就是安装不上，这时可以到 nvidia 的官网去下载 exe 文件进行版本更新

资源下载

已经将1.7.0所需的所有文件都打包了，需要的话自行下载

链接：https://pan.quark.cn/s/3e9471747048

参考资料

• https://github.com/CMU-Perceptual-Computing-Lab/openpose
• https://xugaoxiang.com/2020/10/26/openpose-build/
• https://github.com/CMU-Perceptual-Computing-Lab/openpose/issues/1230