OpenPose

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。

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
身体关键点
手部关键点
面部关键点
3D支持
运行时间特性
支持操作系统
硬件加速
输入格式
输出格式
编程接口

项目资源

CMU-Perceptual-Computing-Lab/openpose CMU-Perceptual-Computing-Lab/openpose CMU-Perceptual-Computing-Lab/openpose CMU-Perceptual-Computing-Lab/openpose_train cmu-perceptual-computing-lab.github.io/foot_keypoint_dataset CMU-Perceptual-Computing-Lab/openpose_unity_plugin /domedb.perception.cs.cmu.edu #technologies/b820c21d-8443-4aa2-a49f-8919d93a8740

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

所需工具

工具	用途	是否必需
C++ 编译器	编译源码	✅ 是
CMake	构建系统	✅ 是
Python	使用Python API	▢ 推荐
Unity	使用Unity插件	▢ 推荐

能力画像

记忆与知识检索

逻辑推演

表达与交流

感知与观察

数理与计算

动手与操作

狂热与坚持

创造与创新

项目图库

视频

watch

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。