OpenPose
openpose
3/5
🧩 软硬件结合
已发布
项目简介
OpenPose: Real-time multi-person keypoint detection library for body, face, hands, and foot estimation
OpenPose 是由卡内基梅隆大学感知计算实验室开发的开源项目，代表了首个能够实时检测多人身体、手部、面部和脚部关键点的系统，总计可检测多达135个关键点。该项目由 Ginés Hidalgo 等人共同创建，基于 CMU Panoptic Studio 数据集，在计算机视觉领域具有里程碑意义。
标签
项目特点
**实时多人关键点检测**：支持15、18或25个关键点的人体/脚部检测（包括6个脚部关键点），运行时间与检测人数无关。
**手部和面部关键点检测**：支持2x21个手部关键点和70个面部关键点检测，运行时间取决于检测人数。
**3D单人关键点检测**：通过多视图三角测量实现3D姿态重建，支持Flir相机同步。
**校准工具箱**：提供相机畸变、内参和外参的估计功能。
**单人追踪**：支持单人追踪以进一步加速或实现视觉平滑。
**多种输入输出**：支持图像、视频、网络摄像头、Flir/Point Grey相机、IP相机等多种输入源，输出包括图像/视频显示、关键点数据保存（JSON、XML、YML等）以及自定义输出。
**跨平台兼容**：支持Ubuntu（20、18、16、14）、Windows（10、8）、Mac OSX和Nvidia TX2。
**硬件兼容性**：支持CUDA（Nvidia GPU）、OpenCL（AMD GPU）和无GPU（仅CPU）版本。
技术规格
| 关键点总数 | 135个（身体、脚、面部、手部） |
|---|---|
| 身体关键点 | 15、18或25个（含6个脚部关键点） |
| 手部关键点 | 2x21个 |
| 面部关键点 | 70个 |
| 3D支持 | 是（通过多视图三角测量） |
| 运行时间特性 | 身体检测运行时间与人数无关；手部和面部检测与人数相关 |
| 支持操作系统 | Ubuntu 20/18/16/14, Windows 10/8, Mac OSX, Nvidia TX2 |
| 硬件加速 | CUDA (Nvidia GPU), OpenCL (AMD GPU), CPU-only |
| 输入格式 | 图像、视频、网络摄像头、Flir/Point Grey相机、IP相机 |
| 输出格式 | 图像/视频（PNG、JPG、AVI）、关键点数据（JSON、XML、YML） |
| 编程接口 | 命令行、C++ API、Python API |
项目资源
搜索资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| Nvidia GPU（推荐） | 1 | — | 用于CUDA加速，可选 |
| AMD GPU | 1 | — | 用于OpenCL加速，可选 |
| 普通CPU | 1 | — | 无GPU模式可用 |
| 网络摄像头 | 1 | — | 实时演示用，可选 |
| CUDA | 1 | — | GPU加速必需 |
| OpenCV | 1 | — | 图像处理必需 |
| Caffe | 1 | — | 深度学习框架必需 |
能力画像
⚪ 记忆与知识检索: 1/5
🔵 逻辑推演: 3/5
⚪ 表达与交流: 1/5
⚪ 感知与观察: 1/5
🔵 数理与计算: 4/5
🔵 动手与操作: 3/5
🔵 狂热与坚持: 3/5
🔵 创造与创新: 4/5
项目图库
视频
所需技能
🔧 **动手能力**：需要能够配置开发环境，编译C++项目，安装CUDA/OpenCV等依赖库，并处理可能的编译错误。
💻 **编程能力**：需要掌握C++或Python编程基础，理解深度学习模型部署流程，能够使用命令行参数和API接口。
⚡ **电子电路**：无需电子电路知识，但了解相机硬件（如Flir相机）会有帮助。
适用场景
**人机交互**：通过实时姿态估计实现手势控制、动作识别等交互方式。
**运动分析**：分析运动员的动作姿态，用于训练和比赛分析。
**增强现实**：将虚拟内容与人体姿态对齐，实现AR应用。
**动画制作**：捕捉人体动作数据，驱动虚拟角色动画。
**医疗康复**：监测患者的康复训练动作，提供反馈。
**安防监控**：检测异常行为或人群姿态分析。