文章目录
- 一、安装环境
- 二、步骤：
- 1、git下载openpose源码
- 2、创建新环境并激活
- 3、pip安装requirements.txt中的内容
- 4、安装opencv
- 5、swig编译
- 6、运行demo
- 7、Pycharm中运行
经过了四天的不断踩坑，终于把基于tensorflow的openpose跑起来啦~~记个笔记
一、安装环境
win10
python 3.6
tensorflow 2.0
二、步骤：
1、git下载openpose源码
（1）桌面建了个文件夹pose estimation，用于把源码存放到这个文件夹中；
（2）下载GIT ，选择windows，并添加环境变量；
具体的安装步骤忘记了，应该一路next就可以，否则在后面会出现 git不是内部或外部指令或批处理指令这样的错误。（如果已经装过的可以忽略这一步…
然后下载完成后需要[将git添加到环境变量]，找到系统变量中的Path双击，然后新建添加如图所示()
（3）用 git 将 tf-pose-estimation clone 下来；1）定位到建立的文件夹
打开刚刚建立的文件夹，然后在路径栏输入cmd，enter以后可以看到下图，这样就可以输入命令了，还有一个办法是win+R后，输入cmd，然后用命令cd C:\Users\Administrator\Desktop\pose estimation定位到建立的文件夹：
2）接下来就可以下载源码，有三种方法，优先使用第三种
- 方法1：
直接输入命令git clone https://www.github.com/ildoonet/tf-pose-estimation下载tf-pose-estimation； - 方法2：
进入 tf-pose-estimation下载地址，然后点code→download ZIP，下载压缩包后解压，放到建立的文件夹中； - 方法3： 注册码云账号，登陆后点击右上角＋号，新建仓库：
拉到最下面选择“导入已有仓库”：
然后将你需要下载的github网址复制到这里，进行仓库创建：
然后选择克隆/下载→复制，接着就可以用git clone 进行下载了~在上面打开的终端输入git clone https://gitee.com/wyffff0801/tf-pose-estimation.git
这里是第一个坑，直接用方法1或2会特别慢，而且中间可能有错误，因此建议用方法3呀
2、创建新环境并激活
还是在上面打开的终端，输入conda create -n tfpose python=3.6，创建一个新的conda环境，然后用activate tfpose激活环境，激活后可以看到有前缀tfpose；
3、pip安装requirements.txt中的内容
首先需要用cd tf-pose-estimation定位到tf-pose-estimation文件夹；
然后安装同样有两种方法，推荐使用第二种：
（1）方法1
pip install -r requirements.txt（2）方法2
直接用方法1这样的方法很慢，而且容易出错，因此我采用了逐个安装的方法，首先看下requirements.txt中都有什么：
1）除了最后两个，其他都可以用以下命令逐个安装
pip install argparse(这里自己替换成需要安装的名字就可)如果觉得慢可以用下面加了镜像源的命令
pip install argparse -i https://mirrors.aliyun.com/pypi/simple/2）然后再来说pycocotools，这是COCO数据集，因为数据集的作者并没有考虑Windows版本的，直接安装是不可行的，这里我采用了去链接复制相应的地址，然后用pip install +（链接地址）方式，注意选择和自己情况对应的版本就可
如这里下载pycocotools就是
pip install https://pypi.tuna.tsinghua.edu.cn/packages/4a/26/3d41709506b1a5f7af7b26d0beb35b259cf6d2cf716742cef91abf6b4665/pycocotools_windows-2.0-cp36-cp36m-win_amd64.whl#sha256=1e5f5f4490cf4eca98559b638234429f9793a8cdc6cc604241c1cf02b4e5e0b4当然，还可以直接把.whl文件下载下来，然后将下载的文件放在D:\Anaconda3\envs\tfpose\Lib文件夹内，然后打开anaconda，进入tfpose环境安装（也就是需要在哪个环境使用，就要在哪个环境安装）；
3）最后是tensorpack的安装，requirements中给出的是从git中clone，这是一种方法，但是由于实在很慢，所以我同样采用了在码云上新建仓库，克隆的方式，命令如下：
pip install git clone git+https://gitee.com/wyffff0801/tensorpack.git至此，requirements中的所有内容都安装完成啦~
4、安装opencv
（1）方法1
pip install opencv-python（2）方法2
下载 相应版本的.whl文件，然后cd到 .whl文件所在的文件夹，执行
pip install opencv_python‑4.1.2‑cp36‑cp36m‑win_amd64.whl这里也可以不提前安装，在后面运行中，如果提示错误关于cv2的，再pip install
5、swig编译
又一个大坑来了！这里遇到了好多问题…
（1）下载swigwin，注意不要下错，这里我们选择window版本
（2）下载后，解压，将swigwin添加到环境变量（这里一直不太明白在path中添加和直接添加有什么区别，不过如果直接添加不行的话，就找到Path进行添加吧~
（3）在cmd的（base）环境中（另开一个cmd，不是之前的虚拟环境了），执行swig --help，没有错误就可以下一步了，否则检查下添加的环境变量是不是正确；
（4）在虚拟环境tfpose下，分别执行下面两条命令
cd C:\Users\Administrator\Desktop\pose estimation\tf-pose-estimation\tf_pose\pafprocess
swig -python -c++ pafprocess.i && python setup.py build_ext --inplace至此这一部分就完成了，当然，可能会遇到很多错误，下面就汇总一下：
（1）Unable to find vcvarsall.bat
- 找到vcvarsall.bat所在路径，一般在VS安装路径下，我的是 C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Auxiliary\Build；
- 找到_msvccompiler.py文件，我的路径是D:\Anaconda3\envs\tfpose\Lib\distutils_msvccompiler.py
- 打开_msvccompiler.py，将下面这一部分进行替换
def _find_vcvarsall(plat_spec):
try:
key = winreg.OpenKeyEx(
winreg.HKEY_LOCAL_MACHINE,
r"Software\Microsoft\VisualStudio\SxS\VC7",
access=winreg.KEY_READ | winreg.KEY_WOW64_32KEY
)
except OSError:
log.debug("Visual C++ is not registered")
return None, None
with key:
best_version = 0
best_dir = None
for i in count():
try:
v, vc_dir, vt = winreg.EnumValue(key, i)
except OSError:
break
if v and vt == winreg.REG_SZ and os.path.isdir(vc_dir):
try:
version = int(float(v))
except (ValueError, TypeError):
continue
if version >= 14 and version > best_version:
best_version, best_dir = version, vc_dir
if not best_version:
log.debug("No suitable Visual C++ version found")
return None, None
vcvarsall = os.path.join(best_dir, "vcvarsall.bat")
if not os.path.isfile(vcvarsall):
log.debug("%s cannot be found", vcvarsall)
return None, None
vcruntime = None
vcruntime_spec = _VCVARS_PLAT_TO_VCRUNTIME_REDIST.get(plat_spec)
if vcruntime_spec:
vcruntime = os.path.join(best_dir,
vcruntime_spec.format(best_version))
if not os.path.isfile(vcruntime):
log.debug("%s cannot be found", vcruntime)
vcruntime = None
return vcvarsall, vcruntime替换成
def _find_vcvarsall(plat_spec):
best_dir = r'C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Auxiliary\Build'
best_version = 17
vcruntime = None
vcruntime_spec = _VCVARS_PLAT_TO_VCRUNTIME_REDIST.get(plat_spec)
if vcruntime_spec:
vcruntime = os.path.join(best_dir,
vcruntime_spec.format(best_version))
if not os.path.isfile(vcruntime):
log.debug("%s cannot be found", vcruntime)
vcruntime = None
print(vcruntime)
return r'C:\Program Files (x86)\Microsoft Visual Studio\2017\Community\VC\Auxiliary\Build\vcvarsall.bat', vcruntime保存以后，再次执行swig -python -c++ pafprocess.i && python setup.py build_ext --inplace，没有问题即可；
（2）command ’ cl.exe’ failed: No such file or directory
这个问题可以这样解决：
1）方法1
直接基于自己已经下载好的VS，打开Visual Studio Installer，进行修改，一定要安装使用C++的桌面开发这一部分，其他的根据自己需要来就好啦~
2）方法2
卸载自己之前下载的VS，然后重新下载，这里注意一定要把之前的VS卸载干净！！！不然会出现很多问题，我下载的是2017的，查资料python3的要求2015及以上版本
下载完成后，还需要将cl.exe设置环境变量
找到cl.exe，然后系统变量中找到Path，双击后，新建两个关于cl.exe的路径
（3）fatal error C1083: 无法打开包括文件:“iostream.h”: No such file or director
像这种无法打开包括文件或者在运行中遇到了很多，对应的函数在"C:\Users\Administrator\Desktop\pose estimation\tf-pose-estimation\tf_pose\pafprocess\pafprocess.cpp" ；
一开始以为是自己库没装全，或者需要将那些头文件放到这个函数的路径下，结果试了试并没有什么用，最后发现是之前的VS2015没有卸载干净，在运行的时候，还是用的VS2015，这当然出错了…所以如果出错，可以去之前的VS安装路径看看，是否没有删除干净，包括如果在环境变量中有路径也要删除。
（4）cl.exe’ failed with exit status 2
这个问题和上面第三个的原因一样，也是VS没有卸载干净导致的。
（5）No module named ‘tensorflow.contrib.tensorrt’
找到 \tf-pose-estimation\tf_pose\estimator ，把tensorflow.contrib.tensorrt这行删掉/注释掉：
到这里基本上坑就填完了~下面的步骤相比而言很顺利
6、运行demo
（1）回到tf-pose-estimation
cd C:\Users\Administrator\Desktop\pose estimation\tf-pose-estimation（2）运行demo
python run_webcam.py --model=mobilenet_thin_432*368 --camera=0错误：mobilenet_thin_432x368，则命令改为：
python run_webcam.py --model=mobilenet_thin --resize=432x368 --camera=0错误：numpy版本，则按照提示：
pip install numpy==要求版本这样就可以从摄像头中看到自己啦哈哈~~
下面是补充命令：
（3）识别保存的图片
python run.py --model=mobilenet_thin --resize=432x368 --image=./images/p1.jpg（4）识别保存好的视频
python run_video.py --model=mobilenet_thin --resolution=432x368 --video=./etcs/dance.mp4只用上面的命令是看不到人体识别的痕迹的，所以要加上下面的步骤：
打开tf-pose-estimation中的run_video.py文件；
在下图位置，注释掉humans = e.inference(image)，添加：
humans = e.inference(image, resize_to_default=(w > 0 and h > 0), upsample_size=args.resize_out_ratio)
到这里就全部配置完成啦，超级开心！配上一张图片的识别结果~
7、Pycharm中运行
（1）打开项目
File→open→C:\Users\Administrator\Desktop\pose estimation\tf-pose-estimation→OK
（2）Pycharm中配置
File→Settings→Project: tf-pose-estimation→Python Interpreter→设置→Add
在Virtualenv Environment中，选择Existing environment，然后选择之前在Anaconda3的路径下安装的envs\tfpose\python.exe；
Conda Environment下也是同样的设置
完成上述两个设置后，点击Apply即可。
