最近有個小專案要搞姿態識別，簡單調研了一下2D的識別：
基本上是下面幾種
- （單人）single person
- 直接關鍵點回歸
- heatmap，感覺其實就是把一個點的標籤弄成一個高斯分佈
- （多人）multi person
- 自頂向下：先把人圈出來，再針對單個人做檢測
- 自底向上：把所有關鍵點弄出來，再聚合適配到個人
這個不是本文重點，筆者也還沒吃透，可以看這篇綜述：Deep Learning-Based Human Pose Estimation: A Survey
作者試過幾個模型：openpose,alpahpose，mediapipe，使用體驗如下：
- openpose流行度很高，效果也不錯，就是有點慢，fps比較低
- alphapose效果和速度都很滿意，比較重量級
- mediapipe效果速度都很好，使用體驗超級棒，封裝太好了
作者打算從頭到尾完整地訓練一個自己地資料集合，並且要求速度為第一位，精度達到要求即可，經過簡單調研，上面幾個雖然很不錯，但是系統學習下來成本可能比較高，所以後面再弄，打算從2018年的這篇lightweight openpose開始學習，看一下這個introduction就知道為啥先弄這個了：
速度和精度都不錯，關鍵是論文才5頁，下面是論文和程式碼連結，體量都不大，正好適合練手：
- 論文地址：https://arxiv.org/pdf/1811.12004.pdf
- Pytorch實現github主頁：https://github.com/Daniil-Osokin/lightweight-human-pose-estimation.pytorch
環境配置
requirement.txt內容如下：
torch>=0.4.1
torchvision>=0.2.1
pycocotools==2.0.0
opencv-python>=3.4.0.14
numpy>=1.14.0
首先配置pytorch環境，按照pytorch官網即可，然後安裝opencv-python：
pip install opencv-python
有一個包pycocotools==2.0.0，死活裝不上，
參考了兩個部落格：
解決方案如第一篇部落格的第一種方法，直接下載對應版本的.whl檔案，下載連結在第二篇部落格裡面，從清華映象搜尋下載也行，然後執行
pip install pycocotools_windows-2.0-cp37-cp37m-win_amd64.whl
注：如果採用第一篇部落格所述第二種方法，直接安裝一個visual studio，應該也是可以的，只是比較麻煩；如果採用所述第三種方法，這時候bug就來了，採用Microsoft Visual C++ Build Tools來解決貌似是不錯的解決方式，但是每次安裝到一般就提示安裝包錯誤什麼的，換了幾個部落格推薦的下載都不行，放棄此方法，採用第一種或第二種即可。
測試python的demo
下載作者訓練好的checkpoint：
配置好環境之後，執行如下命令應該就會開啟一個攝像頭，實時檢測：
python demo.py --checkpoint-path checkpoint_iter_370000.pth --video 0
成功執行！有問題的小夥伴可以關注留言交流哈~