【多人姿态估计】AlphaPose推理demo复现

代码参考：https://github.com/MVIG-SJTU/AlphaPose

文档很齐全，在docs目录下。

AlphaPose做姿态关键点检测，利用yolov3行人检测+姿态关键点检测。

AlphaPose多人姿态估计，利用yolov3行人检测+姿态关键点检测+行人重识别算法。

1.环境

ubuntu16.04
cuda9.0

torch==1.1.0
torchvision==0.3.0
opencv-python==4.1.0.25
tqdm
natsort
Cython
pycocotools

python setup.py build develop --user

apt-get update
apt-get -y install python3.6-tk

2.模型准备

参考此处：https://github.com/MVIG-SJTU/AlphaPose/tree/master/trackers

（1）行人检测模型

yolov3-spp.weights模型下载，放到AlphaPose/detector/tracker/data/目录下。

（2）姿态关键点检测模型

https://github.com/MVIG-SJTU/AlphaPose/blob/master/docs/MODEL_ZOO.md

这里我选择：

Model	Backbone	Detector	Input Size	AP	Speed	Download
Fast Pose (DCN)	ResNet50 - dcn	YOLOv3	256x192	72.8	2.94 iter/s	model  或者 我的链接

放到pretrained_models目录下。

（3）行人重识别模型（跟踪）

从这里下载，外网上不去。放到目录下：

trackers/weights/osnet_ain_x1_0_msmt17_256x128_amsgrad_ep50_lr0.0015_coslr_b64_fb10_softmax_labsmth_flip_jitter.pth

3.demo可视化测试

参考：https://github.com/MVIG-SJTU/AlphaPose/blob/master/docs/GETTING_STARTED.md  / docs/GETTING_STARTED.md

python scripts/demo_inference.py --cfg configs/coco/resnet/256x192_res50_lr1e-3_2x-dcn.yaml --checkpoint pretrained_models/fast_dcn_res50_256x192.pth --indir examples/demo/ --vis --showbox --save_img

运行这个，是对examples/demo目录下的几张图片上测试结果。 

其中结果保存在examples/res/与examples/res/vis/目录下。

跟踪的话，在上面命令基础上加--pose_track：

python scripts/demo_inference.py --cfg configs/coco/resnet/256x192_res50_lr1e-3_2x-dcn.yaml --checkpoint pretrained_models/fast_dcn_res50_256x192.pth --indir examples/demo/ --vis --showbox --save_img --pose_track

如果使用了很多图片或者一个视频，需要加上--sp参数。

python scripts/demo_inference.py --cfg configs/coco/resnet/256x192_res50_lr1e-3_2x-dcn.yaml --checkpoint pretrained_models/fast_dcn_res50_256x192.pth --indir examples/demo/ --vis --showbox --save_img --pose_track --sp