一、搭建深度學習框架
安裝cunda+cudnn+tensorflow-gpu
參考：https://www.cnblogs.com/StarZhai/p/tensorflow-gpu.html
二、下載源碼
OpenPose項目Github鏈接：https://github.com/CMU-Perceptual-Computing-Lab/openpose
Windows能用的版本: 點擊所有版本 下載最新的版本即可。
三、參考官方文檔
18特征點人體， 25特征點人體
25+面部詳細特征點 25+手部詳細特征點
快速啟動
大部分用戶不需要調用OpenPose的C++和Python的開發接口，這些用戶只需要運行OpenPose Demo即可
- OpenPose Demo: 為了便於處理圖片、視頻或者網絡攝像頭的視頻流，並展示和后處理結果，你需要看doc/demo_overview.md. 例如，你可以直接通過以下命令在Ubuntu操作系統上處理一個視頻。
- 校准工具: 三維的OpenPose處理和其它立體視覺處理任務需要你便捷校准攝像機，可查看 doc/modules/calibration_module.md文檔。
- OpenPose C++ API: 如果你想定制開發讀取特定內容的接口、增加個性定制的后處理功能或者展示存儲功能，點擊這個鏈接查看C++的API接口，examples/tutorial_api_cpp/ 和 doc/library_introduction.md。你可以增加自己的代碼examples/user_code/ 使用Cmake快速編譯整個項目。快速增加自己定制的代碼，看這個文檔：examples/user_code/README.md
- OpenPose Python API: 類似C++的API接口，點擊文檔查看Python API的教程examples/tutorial_api_python/.
- 增加額外的模塊: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：如果你想加快處理速度（同時也會減少識別臉的個數），請看OpenCV臉部識別文檔：doc/standalone_face_or_hand_keypoint_detector.md.
- 使用你自己的臉部和手部識別工具: 與身體關鍵點識別不同，你可以使用你自己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作）。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.
增加運算速度以及基准測試
點擊這個文檔，查看增加運行速度、減少內存需求的提示 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】姿態檢測視頻制作源碼：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
我自己的路徑
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實現個性化的姿勢識別見下一篇博客
基於openpose的動作識別（二）
https://www.cnblogs.com/StarZhai/p/11995199.html