OpenPose 安装完全指南：从 Windows 便携版到 Ubuntu/Mac/Windows 源码编译

OpenPose 安装完全指南从 Windows 便携版到 Ubuntu/Mac/Windows 源码编译【免费下载链接】openposeOpenPose: Real-time multi-person keypoint detection library for body, face, hands, and foot estimation项目地址: https://gitcode.com/gh_mirrors/op/openpose导读本文是 OpenPose实时多人关键点检测库覆盖身体、脸部、手部与脚部估计的权威安装手册完整梳理官方支持的三种交付形态Windows 便携 Demo免编译即用、从源码编译安装适合二次开发与库集成以及ROS / Docker / Google Colab 等社区方案。读完本文你将掌握各平台的软硬件前置条件、CMake 配置与GPU_MODE选型逻辑、Ubuntu/Mac/Windows 三端的编译与运行流程并能据此定位与排查安装过程中绝大多数常见错误。本文主体依据 doc/installation/0_index.md 整理同时结合 CMakeLists.txt、scripts/ubuntu/install_deps.sh、models/getModels.sh 等源码与脚本补充底层实现依据。一、支持的操作系统、硬件需求与依赖1.1 操作系统支持矩阵官方明确支持以下系统Windows 10Ubuntu 20Mac OSX Mavericks 及以上版本以下系统已不再官方维护但大概率仍可运行可能需要少量修改Ubuntu 14、16、18Windows 7、8嵌入式平台方面Nvidia Jetson TX1JetPack 3.1安装说明见 doc/installation/jetson_tx/installation_jetson_tx1.mdNvidia Jetson TX2JetPack 3.1 或 3.3分别见 doc/installation/jetson_tx/installation_jetson_tx2_jetpack3.1.md 与 doc/installation/jetson_tx/installation_jetson_tx2_jetpack3.3.mdCentOS以及其他 Nvidia Jetson如 TK1嵌入式系统上也被使用过但当前不做官方支持1.2 默认配置的硬件需求版本形态最低硬件要求CUDANvidia GPU至少1.6 GB 可用显存的 Nvidia 显卡Ubuntu 下可用nvidia-smi查看显存占用至少2.5 GB 空闲 RAMBODY_25 模型或2 GBCOCO 模型假设已装 cuDNN强烈建议安装 cuDNNOpenCLAMD GPUVega 系列显卡至少2 GB 空闲 RAMCPU-only无 GPU约8 GB 空闲 RAM通用建议CPU 至少8 核进阶提示--net_resolution越大、scale_number越多所需资源越多反之降低网络分辨率或改用 MPI / MPI_4 模型可以减少资源占用。1.3 依赖清单OpenCV所有 2.X 与 3.X 版本均兼容当前仓库 Windows 预编译依赖实际采用 OpenCV 4.x详见下文源码分析。Caffe 及其全部依赖OpenPose 默认以 Caffe 为深度学习推理框架。官方欢迎用户将 OpenPose 移植到 Tensorflow、Caffe2、Pytorch 等框架并欢迎提交 pull request。GFlagsdemo 与教程代码额外依赖 GFlags 用于命令行参数解析。上述依赖与版本要求在 doc/installation/1_prerequisites.md 中有更细化的逐平台安装步骤本文后续章节会展开。二、Windows 便携 Demo不想编译就直接用如果你只是想使用 OpenPose而不打算编译或写任何代码直接使用最新版 Windows 便携包即可全程无需构建。准备 Nvidia 驱动可选但推荐为追求最高速度建议在带 Nvidia GPU 的机器上使用。若如此请先将 Nvidia 驱动升级到最新版本可通过 Nvidia GeForce Experience 软件或官网下载页操作。下载最新版 OpenPose 便携包从官方 Releases 页面获取最新 Windows 版本。下载模型解压 zip 后按包内Instructions.txt的说明下载 OpenPose 所需模型约500 MB。运行按 doc/01_demo.md 的指引在 PowerShell 命令行中运行 OpenPose。关于模型仓库中 models/getModels.sh 展示了模型清单及下载源——BODY_25pose_iter_584000.caffemodel、COCOpose_iter_440000.caffemodel、MPIpose_iter_160000.caffemodel、人脸pose_iter_116000.caffemodel、手部pose_iter_102000.caffemodelWindows 便携包内的Instructions.txt与之对应。已知问题的修复如果使用 GPU 加速版时出现Cuda check failed (3 vs. 0): initialization error可通过以下任一方式解决升级 Nvidia 驱动若错误仍存在请确保机器上没有安装任何 CUDA 版本或所装 CUDA 与便携包内置 CUDA 版本一致否则卸载该 CUDA。如果必须保留该 CUDA 版本请改按本文第三部分的源码编译流程针对该 CUDA 版本自行构建。下载更旧的 OpenPose 版本v1.6.0 不会出现此错误。三、从源码编译并运行 OpenPose以下小节描述基于CMake-GUI的构建流程。这些步骤仅在你打算修改 OpenPose 源码、或将其作为库集成进其他项目时才推荐执行如果只是想在 Windows 上运行 OpenPose 而不编译不写代码可以跳过本章。3.1 安装问题排查入口按本指南安装遇到任何问题时先查阅 doc/05_faq.md 与现有 GitHub issues若未找到对应问题再新建 issue 提问官方不会回复重复 issue也不会回复关于 Caffe、OpenCV 或 CUDA 安装错误的 issue以及未按模板填全信息的 issue。3.2 前置条件务必先安装适合你操作系统的全部前置依赖详细清单见 doc/installation/1_prerequisites.md。核心要点如下通用技巧非常重要可避免大量 bug安装最新 CUDA或确保你的 GPU 与系统里的 CUDA 版本兼容。例如 Nvidia 30XX 系列 GPU 至少需要 CUDA 11GTX 20XX、V100、Volta、Turing 等至少需要 CUDA 10。CMake 会自动下载所有 OpenPose 模型但部分防火墙或公司网络会拦截这些下载。此时需要手动下载模型并放入对应目录BODY_25 模型 →models/pose/body_25/COCO 模型 →models/pose/coco/MPI 模型 →models/pose/mpi/人脸模型 →models/face/手部模型 →models/hand/仓库 models/getModels.sh 即对应这一下载流程各模型默认源为http://vcl.snu.ac.kr/OpenPose/models/。Ubuntu 前置条件对应 doc/installation/1_prerequisites.md不要安装 Anaconda或务必停用它。Anaconda 自带的 Protobuf 与 Caffe 不兼容要么卸载 Anaconda 改用 apt-get 安装 protobuf要么用conda deactivate停用 Conda若不在 base 环境则需执行两次。安装CMake GUIUbuntu 20sudo apt-get install cmake-qt-guiUbuntu 18必须从源码编译 CMake-guiapt 自带的 3.10 版本会引发编译错误要求 CMake 3.12先sudo apt purge cmake-qt-gui卸载旧版再sudo apt install libssl-dev与sudo apt-get install qtbase5-dev下载 CMake 源码包后执行./configure --qt-gui与./bootstrap make -jnproc sudo make install -jnproc此后文档中所有cmake-gui命令都需替换为{CMAKE_FOLDER_PATH}/bin/cmake-gui。Ubuntu 14/16直接sudo apt-get install cmake-qt-gui。Nvidia GPU 版本前置推荐组合经大量测试Ubuntu 20 使用CUDA 11.7.1 cuDNN 8.5.0更早的 v1.6.X / v1.5.X 版本对应Ubuntu 18 CUDA 10.1 cuDNN 7.5.1与Ubuntu 14/16 CUDA 8.0 cuDNN 5.1。其他组合也可能可用但官方不对 CUDA/cuDNN 相关的安装编译问题提供支持。若启用了 Secure Boot默认关闭MOK 密钥安装步骤可能必需记录公钥输出路径并手动执行sudo mokutil --import PATH_TO_PUBLIC_KEY。升级 Nvidia 驱动到最新版本。CUDA 安装不熟悉 CUDA 时可直接运行sudo bash ./scripts/ubuntu/install_cuda.sh或从 CUDA 官方下载页安装x86_64 架构、建议 runfile(local) 安装类型安装时务必启用/usr/local/cuda符号链接以规避后续错误若手动装过驱动请取消勾选“install driver”。cuDNN 安装下载对应版本的cuDNN Library for Linux (x86_64)解压后将其内容复制合并到 CUDA 目录通常为/usr/local/cuda-{version}/。OpenCL / AMD GPU 版本前置仅当无 Nvidia GPU 且想在 AMD 显卡上运行时Ubuntu 20/18未测试且不官方支持风险自负Ubuntu 14/16 需安装第三方 ROCM 驱动与libviennacl-dev。安装Caffe、OpenCV 及其依赖OpenCVsudo apt-get install libopencv-dev也可用自己编译的 OpenCV。Caffe 依赖安装 CUDA/cuDNN 后运行sudo bash ./scripts/ubuntu/install_deps.sh该脚本会安装build-essential、libatlas-base-dev、libprotobuf-dev、libleveldb-dev、libsnappy-dev、libhdf5-serial-dev、protobuf-compiler、libboost-all-dev、libgflags-dev、libgoogle-glog-dev、liblmdb-dev以及 Python2/Python3 依赖参见 scripts/ubuntu/install_deps.sh。CMake 配置生成依赖sudo apt install protobuf-compiler libgoogle-glog-dev。make 构建依赖sudo apt install libboost-all-dev libhdf5-dev libatlas-base-dev。Python 前置可选仅在使用 Python API 时# Python 3默认与推荐 sudo apt-get install python3-dev sudo pip3 install numpy opencv-python # Python 2 sudo apt-get install python-dev sudo pip install numpy opencv-pythonMac OS 前置条件未装brew时运行bash scripts/osx/install_brew.sh。安装 CMake GUIbrew install --cask cmake。安装 Caffe、OpenCV 及其依赖运行bash scripts/osx/install_deps.sh。Windows 前置条件仅源码编译时需要直接用便携包可跳过安装CMake GUI下载cmake-X.X.X-win64-x64.msi安装包。安装Visual Studio 2019 / 2017 Enterprise 或 VS 2015 Enterprise Update 3Community 版官方不正式支持但应可运行务必勾选全部 C 相关组件。Nvidia GPU 版本推荐组合VS2019 CUDA 11.1.1 cuDNN 8.1.0v1.6.X/v1.5.X 对应VS2017 CUDA 10.1 cuDNN 7.5.1、VS2015 CUDA 8.0 cuDNN 5.1。先装 VS 再装 CUDA确保 CUDA 能为 VS 生成必要文件若顺序反了需重装 CUDA。若 CMake 报CUDA_TOOLKIT_ROOT_DIR not found or specified等错误按此顺序处理1) 重装 Visual Studio2) 重启电脑3) 重装 CUDA。cuDNN 手动安装解压后把内容复制合并到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v{version}。AMD GPU 版本安装 AMD 官方 Windows 驱动libviennacl已随 OpenPose Windows 包附带无需额外操作。Caffe、OpenCV 及其依赖CMake 会自动下载全部 Windows DLL也可手动下载将 zip 保留在3rdparty/windows/目录以免 CMake 重复下载Caffe不确定就选默认 CUDA 版CUDA Caffe默认、CPU Caffe、OpenCL Caffe分别解压为3rdparty/windows/caffe/、3rdparty/windows/caffe_cpu/、3rdparty/windows/caffe_opencl/Caffe 依赖解压为3rdparty/windows/caffe3rdparty/OpenCV解压为3rdparty/windows/opencv/。Python 前置可选安装 Windows 版 Python 3.X 后执行sudo pip install numpy opencv-python。3.3 克隆 OpenPose第一步是克隆 OpenPose 仓库Windows可用 GitHub Desktop或在 Powershell 中克隆。Ubuntu、Mac 或 Windows Powershellgit clone https://github.com/CMU-Perceptual-Computing-Lab/openpose cd openpose/ git submodule update --init --recursive --remote说明git submodule update用于拉取3rdparty/下的子模块如 Caffe 分支、pybind11 等见仓库3rdparty/目录。3.4 CMake 配置CMake-GUI进入 OpenPose 目录并打开 CMake-GUIcd {OpenPose_folder} mkdir build/ cd build/ cmake-gui ..源码目录选择 OpenPose 根目录生成目录指定一个不存在或为空的子目录如buildMakefileUbuntu或 Visual Studio 解决方案Windows将生成于此若build不存在CMake 会询问是否创建选Yes。点击ConfigureUbuntu 保持生成器为Unix MakefilesWindows 选择 64 位 Visual Studio 版本并点击Finish。注意 CMake-GUI 在 14 版本之后改了设计旧版一般选Visual Studio XX 20XX Win64且Optional toolset to use留空新版只需选 VS 版本如Visual Studio 16 2019再在Optional platform for generator中手动选x64。可选启用 Python API勾选BUILD_PYTHON再次点击Configure。从 CMakeLists.txt 源码看BUILD_PYTHON默认 OFF第 316 行option(BUILD_PYTHON Build OpenPose python. OFF)。设置GPU_MODE标志并再次ConfigureNvidia GPU 用户通常无需修改直接跳过本步。需要修改的情况Nvidia GPU 显存 ≤ 2GB参考 doc/06_maximizing_openpose_speed.md 的调优技巧或把GPU_MODE改回CPU_ONLY无法安装 CUDA也可把GPU_MODE设为CPU_ONLY。Mac OSX 与非 Nvidia GPUIntel/AMD设为CPU_ONLY易安装但运行慢或OPENCLGPU 加速安装更难但运行更快。细节见 doc/installation/1_prerequisites.md 与下文“OpenCL 版本”小节。无任何 GPU设为CPU_ONLY。从 CMakeLists.txt 第 194-209 行可以看到GPU_MODE的可选值为CUDA、OPENCL、CPU_ONLY三选一非 Mac 平台默认CUDAMac 平台默认CPU_ONLY。选择 CUDA 时 CMake 会find_package(CUDA)并定义USE_CUDA选择CPU_ONLY时定义USE_CPU_ONLY与CPU_ONLY选择OPENCL时定义USE_OPENCL与USE_GREENTEACMakeLists.txt 第 211-246 行。若配置成功底部输出框最后一行会出现Configuring done否则底部会出现红色报错文本。点击Generate生成构建文件然后进入编译章节此时可关闭 CMake。其他可选/自定义选项例如使用自定义 Caffe 或 OpenCV 版本参见 doc/installation/2_additional_settings.md。3.5 编译Ubuntucd build/ make -jnprocMaccd build/ make -jsysctl -n hw.logicalcpu进阶提示Mac 同时提供logicalcpu与physicalcpu为追求最大速度应取逻辑核数。Mac 常见问题处理若默认编译在 Caffe 环节报错可单独安装 Caffe 并关闭BUILD_CAFFE重建 build 目录rm -rf build; mkdir build; cd buildbrew uninstall caffe移除此前由 cmake 安装的 Caffe再brew install caffe单独安装在 cmake-gui 中调整BUILD_CAFFE设为 falseCaffe_INCLUDE_DIRS设为/usr/local/include/caffeCaffe_LIBS设为/usr/local/lib/libcaffe.dylib重新Configure与Generate。若编译时遇到 OpenCV 报错fatal error: opencv2/highgui/highgui.hpp file not found在较新的 OSX 10.14 上被报告过应用补丁cd 3rdparty/caffe; git apply ../../scripts/osx/mac_opencl_patch.txtWindows在以下 2 种方式中选择其一执行。方式一CMake-GUI推荐在 CMake 中点击Open Project打开 Visual Studio 解决方案即build/OpenPose.sln将配置从Debug切换为Release。按F7或Build菜单 →Build Solution执行构建。Python 版本特别注意不能只按F5Run必须执行Build Solution才会生成 Python 绑定。编译完成后若有摄像头可按绿色三角图标或F5以默认参数在摄像头上运行 OpenPose demo。方式二命令行构建不推荐官方不正式支持openpose\mkdir build cd build cmake .. -G Visual Studio 16 2019 -A x64 -T v142 cmake --build . --config Release copy x64\Release\* bin\若需 clean buildcmake --clean-first . cmake --build . --config Release copy x64\Release\* bin\要点提示命令行构建时若想设GPU_MODE为CPU_ONLY需在 cmake 命令后追加-D GPU_MODE:STRINGSCPU_ONLY。非常关键要在 Visual Studio 之外使用 OpenPose且未在 CMake 中取消勾选BUILD_BIN_FOLDER时需将{build_directory}/bin下所有 DLL 复制到生成的openpose.dll与*.exedemo 所在目录64 位 Release 版本为{build_directory}/x64/Release。这一点与 CMakeLists.txt 第 318 行BUILD_BIN_FOLDERWindows 下默认 ON的机制一致它会将 3rd-party DLL 统一收集到{build_directory}/bin。3.6 运行 OpenPose编译完成后按 doc/01_demo.md 运行任意 demo 示例即可验证安装是否成功例如# Ubuntu 和 Mac ./build/examples/openpose/openpose.bin --video examples/media/video.avi:: Windows - Portable Demo bin\OpenPoseDemo.exe --video examples/media/video.avi更多输入输出组合--image_dir图片目录、--video视频、默认摄像头、--face/--hand、--write_json等详见 doc/01_demo.md。3.7 自定义用户代码Custom User Code如果你想在不新建整个项目的情况下快速验证原型可以把自定义代码放入examples/user_code/目录仓库中已存在该目录及 examples/user_code/README.md 说明从而让自定义代码随 OpenPose 一起编译无需从头搭建独立工程。四、ROS、Docker 与 Google Colab社区方案如果既不想用 Windows 便携二进制、也不想从源码编译官方提供了若干社区维护方案的链接。注意这些方案官方均不提供支持官方会移除针对它们的新的 GitHub issue并在其中提问的用户会被禁言。如有问题只能在对应 issue 线程或向方案作者提问。ROS 示例社区提供基于 OpenPose 的 ROS 节点实现其中第二个基于非常旧的 OpenPose 版本相关提问只在对应 issue 线程进行。Docker 镜像社区提供多套 Dockerfile其中包含支持 CUDA 10 的镜像可通过docker pull拉取以及仅支持 CUDA 8 的多个版本镜像如 OpenPose v1.4.0 OpenCV CUDA 8 CuDNN 5/6 Python 2.7、OpenPose v1.2.1 等。在 Ubuntu 上先安装 Docker如sudo apt-get install docker-ce再拉取镜像即可。Google Colab 辅助脚本当本地没有足够强的计算机运行 OpenPose 时可以在启用 GPU 的 Colab 运行时上构建并运行 OpenPose。社区提供了多个 Colab Notebook如基于 OpenPose 1.7.0 的运动轨迹提取 Notebook相关问题只在对应 issue 线程讨论。五、Tiyaro 在线 Live Demo社区方案官方还提供了由 Tiyaro 联合创始人贡献的OpenPose API 在线 Live Demo位于 Tiyaro.ai 平台。该方案不属于官方支持范围相关问题请在对应帖子上向作者提问。六、卸载、重装或更新 OpenPose卸载非常简单Ubuntu 和 Mac如果你执行过sudo make install官方不推荐此操作则需在build/目录下运行sudo make uninstall。直接删除整个 OpenPose 文件夹。更新或重装先按上述步骤卸载。再按本文第三部分“从源码编译并运行 OpenPose”的步骤重新执行。七、附加设置可选按需查阅 doc/installation/2_additional_settings.md其中覆盖了 14 项高级配置本节逐一概述其核心要点部署/导出 OpenPose 到其他项目参见 doc/advanced/deployment.md。最大速度速度基准与提速/降内存技巧见 doc/06_maximizing_openpose_speed.md。更快 CPU 版本仅 Ubuntu仅支持 Ubuntu 16/14 的 Intel CPUUbuntu 20 无法编译Ubuntu 18 未测试。将GPU_MODE设为CPU_ONLY后把USE_MKL设为 true即可链接 Intel MKL 版 CaffeCPU 速度约提升 2-3 倍。默认 CPU 版在 Ubuntu 上约为 0.2 images/s比 GPU 慢约 50 倍MKL 版约 0.4 images/s。MKL 版不支持不固定分辨率处理不同分辨率图片目录时必须指定固定网络分辨率如--net_resolution 656x368。可通过环境变量调线程数# 最优值 CPU 线程数默认使用 export MKL_NUM_THREADS8 export OMP_NUM_THREADS8线程数增加会提高 RAM 占用。CMakeLists.txt 第 248-259 行确认了USE_MKL仅在 Linux 的CPU_ONLY模式下提供默认 OFF启用后定义USE_MKL宏。OpenCL 版本AMD 显卡用户可将GPU_MODE设为OPENCL命令行 CMake 为GPU_MODEOPENCL。重要如果在同一目录编译过 CPU-only 或 CUDA 版本必须手动删除build目录后从头安装否则会出现大量诡异错误。OpenCL 版在 Ubuntu、Windows、OSX 上测试过但仅测试过 AMD Vega 系列与 Nvidia 10 系列显卡。OpenCL 版同样不支持不固定--net_resolution不同分辨率图片目录需指定如--net_resolution 656x368。Mac AMD 显卡运行 OpenCL 有特殊说明见原文档。另外CPU/OpenCL 版的精度比 CUDA 版略低但实际差异几乎不可察觉。COCO 与 MPI 模型默认不下载 COCO 与 MPI 模型比 BODY_25 更慢且精度更低多数场景没必要。需要时勾选DOWNLOAD_BODY_COCO_MODEL或DOWNLOAD_BODY_MPI_MODEL。从 CMakeLists.txt 第 304-308 行可见DOWNLOAD_BODY_25_MODEL与DOWNLOAD_FACE_MODEL、DOWNLOAD_HAND_MODEL默认 ON而 COCO/MPI 默认 OFF。模型差异对比见 doc/05_faq.md。3D 重建模块安装 FLIR 相机软件Spinnaker SDK专有软件官方不提供直接下载链接若使用其他品牌相机可跳过此步Ubuntu 装到默认路径后 OpenPose 会自动发现Windows 需手动将 Spinnaker 的bin64\vs2015、include、lib64\vs2015Spinnaker_v140.lib/Spinnakerd_v140.lib分别复制到3rdparty\windows\spinnaker\bin、include、lib。安装 3D 可视化库FreeGLUTUbuntu 执行sudo apt-get update sudo apt-get install build-essential freeglut3 freeglut3-dev libxmu-dev libxi-dev并重启Windows 由 CMake 自动下载或双击3rdparty/windows/getFreeglut.bat该脚本存在于仓库中。在 CMake 中开启WITH_FLIR_CAMERA仅安装了 Spinnaker 时与WITH_3D_RENDERER。Ceres solver仅 Ubuntu提升 3D 重建精度sudo apt-get install libeigen3-dev并安装 Ceres solver再在 CMake 中开启WITH_CERES。CMakeLists.txt 第 278-283 行确认了这三个开关均为默认 OFF 的option。安装后按 doc/advanced/3d_reconstruction_module.md 使用。标定模块Calibration Module相机内参标定工具箱默认包含启用外参标定工具箱需开启WITH_EIGEN三选一推荐WITH_EIGEN设为AUTOBUILDCMake 自动下载 Eigen 并配置若防火墙拦截可手动下载 Eigen 3.3.8 并解压为3rdparty/eigen/进阶不推荐设为FIND需系统已装 Eigen——注意Eigen 3.3.6 不兼容 CUDA 9.1可sudo apt-get install libeigen3-dev进阶不推荐也可先AUTOBUILD让 CMake 下载再以自己版本的 Eigen 替换3rdparty/eigen/。从 CMakeLists.txt 第 291-296 行可见WITH_EIGEN可选NONE、AUTOBUILD、FIND三值默认NONE第 391-420 行实现了 AUTOBUILD 下载含 MD5 校验与 FIND 查找逻辑。安装后按 doc/advanced/calibration_module.md 使用。Unity 兼容版本见官方 Unity 插件仓库。注意Unity 版在非 Unity 环境下遇到错误会崩溃因此不要在 Unity 之外使用。不编译 cuDNNcuDNN 并非强制依赖但它是完整关键点检测精度所需。若显卡不兼容 cuDNN可在 CMake 中取消勾选USE_CUDNNCMakeLists.txt 第 273-275 行确认USE_CUDNN仅在 CUDA 模式下存在且默认 ON。此时需调低--net_resolution以适配显存可尝试640x320、320x240、320x160、160x80等值找到极限分辨率后按输入画面的宽高比调整见 doc/advanced/demo_advanced.md 的--net_resolution说明或直接用-1如--net_resolution -1x320。自定义 CaffeOpenPose 使用官方 Caffe 的定制 fork仅在其可用时更新。默认 GPU 版即 master 分支兼容 CUDA 10 无需改动。想用自定义 CaffeUbuntu/Mac1) 关闭BUILD_CAFFE2) 设Caffe_INCLUDE_DIRS为{CAFFE_PATH}/include/caffe3) 设Caffe_LIBS为{CAFFE_PATH}/build/lib/libcaffe.so。注意需要 cuDNN 兼容的 Caffe 版本才能获得最大精度。Windows 上则直接替换自定义 OpenCV 的 DLL 与 include 目录。从 CMakeLists.txt 第 171-191 行可见DL_FRAMEWORK支持CAFFE/NV_CAFFE且BUILD_CAFFE默认 ON。自定义 NVIDIA NVCaffe社区贡献的功能官方不正式支持。已测试过 Nvidia 官方 Docker 镜像nvcr.io/nvidia/caffe:18.12-py2。使用方法将DL_FRAMEWORK设为NV_CAFFE、BUILD_CAFFE设为OFF并按“自定义 Caffe”一节设置Caffe_INCLUDE_DIRS与Caffe_LIBS。Windows 未支持需修改 CMakeLists.txt 中DL_FRAMEWORK的 STRINGS 属性。自定义 OpenCV若自编译 OpenCV 而 OpenPose 无法自动发现可设OPENCV_DIR指向 OpenCV 构建目录Ubuntu/Mac。CMakeLists.txt 第 431-441 行还支持OpenCV_CONFIG_FILE、OpenCV_INCLUDE_DIRSOpenCV_LIBS或OpenCV_LIBS_DIR等三种显式指定方式。Doxygen 文档自动生成仅 Ubuntu设置BUILD_DOCS标志文档生成于doc/doxygen/html/index.html双击即可在浏览器查看。CMake 命令行配置仅 Ubuntu不使用 CMake GUI 时的替代方案。在 OpenPose 根目录创建 build 目录cd openpose mkdir build cd build根据已有环境分四种场景场景 1 - 未装 Caffe 且 OpenCV 由 apt-get 安装直接cmake ..场景 2 - 已装 Caffe 且 OpenCV 由源码构建示例cmake -DOpenCV_INCLUDE_DIRS/home/${USER}/softwares/opencv/build/install/include \ -DOpenCV_LIBS_DIR/home/${USER}/softwares/opencv/build/install/lib \ -DCaffe_INCLUDE_DIRS/home/${USER}/softwares/caffe/build/install/include \ -DCaffe_LIBS/home/${USER}/softwares/caffe/build/install/lib/libcaffe.so -DBUILD_CAFFEOFF ..或指定OpenCVConfig.cmake文件cmake -DOpenCV_CONFIG_FILE/home/${USER}/softwares/opencv/build/install/share/OpenCV/OpenCVConfig.cmake \ -DCaffe_INCLUDE_DIRS/home/${USER}/softwares/caffe/build/install/include \ -DCaffe_LIBS/home/${USER}/softwares/caffe/build/install/lib/libcaffe.so -DBUILD_CAFFEOFF ..场景 3 - 仅已装 OpenCVcmake -DOpenCV_INCLUDE_DIRS/home/${USER}/softwares/opencv/build/install/include \ -DOpenCV_LIBS_DIR/home/${USER}/softwares/opencv/build/install/lib ..或cmake -DOpenCV_CONFIG_FILE/home/${USER}/softwares/opencv/build/install/share/OpenCV/OpenCVConfig.cmake ..其他场景查阅 CMake 在线文档找到与 CMake-GUI 各选项对应的命令行写法。八、安装常见问题速查现象原因/解决方向Cuda check failed (3 vs. 0): initialization error便携版 CUDA 与系统 CUDA 冲突或驱动过旧升级驱动、卸载冲突 CUDA或改源码编译见第二章模型下载失败防火墙/公司网络按 models/getModels.sh 的清单手动下载到models/对应子目录见 3.2 节Anaconda 环境编译/运行异常Anaconda 自带 Protobuf 与 Caffe 冲突卸载或conda deactivate见 3.2 节CUDA_TOOLKIT_ROOT_DIR not foundWindows 下按“重装 VS → 重启 → 重装 CUDA”顺序处理见 3.2 节Ubuntu 18 编译报错系统自带 CMake-gui 3.10 过旧需从源码编译 CMake 3.12见 3.2 节Mac 上opencv2/highgui/highgui.hpp找不到应用scripts/osx/mac_opencl_patch.txt补丁见 3.5 节切换 GPU_MODE 后大量诡异错误删除build目录后从头配置见第七章 OpenCL 版本小节显存不足out of memory调低--net_resolution或关闭 cuDNN见 1.2 节与第七章第 9 条其余问题请先查阅 doc/05_faq.md 与官方 issue 库并遵循 3.1 节的提问规范。附安装相关文档索引前置条件明细doc/installation/1_prerequisites.md附加设置可选doc/installation/2_additional_settings.mdJetson TX1 doc/installation/jetson_tx/installation_jetson_tx1.mdJetson TX2JetPack 3.1 doc/installation/jetson_tx/installation_jetson_tx2_jetpack3.1.mdJetson TX2JetPack 3.3 doc/installation/jetson_tx/installation_jetson_tx2_jetpack3.3.md运行 Demo 与命令行参数doc/01_demo.md输出格式说明doc/02_output.md常见问题doc/05_faq.md提速与内存优化doc/06_maximizing_openpose_speed.md部署到其他项目doc/advanced/deployment.md3D 重建模块doc/advanced/3d_reconstruction_module.md标定模块doc/advanced/calibration_module.md【免费下载链接】openposeOpenPose: Real-time multi-person keypoint detection library for body, face, hands, and foot estimation项目地址: https://gitcode.com/gh_mirrors/op/openpose创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考