1、搭建深度學習框架html
安裝cunda+cudnn+tensorflow-gpupython
參考：https://www.cnblogs.com/StarZhai/p/tensorflow-gpu.htmlgit
2、下載源碼github
OpenPose項目Github連接：https://github.com/CMU-Perceptual-Computing-Lab/openpose算法
Windows能用的版本: 點擊全部版本 下載最新的版本便可。windows
3、參考官方文檔api
18特徵點人體， 25特徵點人體網絡
25+面部詳細特徵點 25+手部詳細特徵點數據結構
快速啓動
大部分用戶不須要調用OpenPose的C++和Python的開發接口，這些用戶只須要運行OpenPose Demo便可框架
- OpenPose Demo: 爲了便於處理圖片、視頻或者網絡攝像頭的視頻流，並展現和後處理結果，你須要看doc/demo_overview.md. 例如，你能夠直接經過如下命令在Ubuntu操做系統上處理一個視頻。
- 校準工具: 三維的OpenPose處理和其它立體視覺處理任務須要你便捷校準攝像機，可查看 doc/modules/calibration_module.md文檔。
- OpenPose C++ API: 若是你想定製開發讀取特定內容的接口、增長個性定製的後處理功能或者展現存儲功能，點擊這個連接查看C++的API接口，examples/tutorial_api_cpp/ 和 doc/library_introduction.md。你能夠增長本身的代碼examples/user_code/ 使用Cmake快速編譯整個項目。快速增長本身定製的代碼，看這個文檔：examples/user_code/README.md
- OpenPose Python API: 相似C++的API接口，點擊文檔查看Python API的教程examples/tutorial_api_python/.
- 增長額外的模塊:查看 doc/library_add_new_module.md.
- 獨立的臉部和手指檢測:
- 臉部 不對身體關鍵點進行識別，僅對臉部關鍵點識別：若是你想加快處理速度（同時也會減小識別臉的個數），請看OpenCV臉部識別文檔：doc/standalone_face_or_hand_keypoint_detector.md.
- 使用你本身的臉部和手部識別工具: 與身體關鍵點識別不一樣，你可使用你本身的臉部和手部識別工具。比方說，在手指能看清但身體看不清的時候使用（OpenPose的識別器不能正常工做）。查看文檔doc/standalone_face_or_hand_keypoint_detector.md.
輸出
請點擊這個文檔，查看輸出文件的格式、關鍵點數據結構等信息。doc/output.md.
增長運算速度以及基準測試
點擊這個文檔，查看增長運行速度、減小內存需求的提示 doc/faq.md#speed-up-memory-reduction-and-benchmark.
參考文獻和擴展閱讀
【1】論文：https://arxiv.org/pdf/1611.08050.pdf
【2】姿態檢測視頻製做源碼：muyiguangda/caffe_rtpose
【3】開頭視頻：Changing Batteries 更換電池「中字」
【4】CMU訓練數據集： CMU Panoptic Dataset
【4】匈牙利算法： Hungarian algorithm
模型下載地址：
https://www.aiuai.cn/aifarm708.html
bin\OpenPoseDemo.exe --net_resolution "64x64" --face --hand
3.打開cmd切換到bin的同級目錄
我本身的路徑 f: cd F:\esint\smoking_Recognition\openpose\openpose-1.5.1-binaries-win64-gpu-python-flir-3d_recommended\openpose
運行
bin\OpenPoseDemo.exe --net_resolution "64x64" --face --hand
bin\OpenPoseDemo.exe --net_resolution "64x64" --image_dir examples\media\ --face --hand
調用pythonAPI實現個性化的姿式識別見下一篇博客
基於openpose的動做識別（二）
https://www.cnblogs.com/StarZhai/p/11995199.html