mmpose安装、使用教程
mmpose
mmpose是商汤旗下有又一款好用的工具箱，主要是针对姿态识别任务开发的，包括人体姿态识别和动物姿态识别。里面继承很多现成的网络可以供大家使用，并且提供了训练好的权重。用户可以更具自己的需求训练自己的数据，或者直接应用他们的结果，反正就是很全面啦！！！！
github连接：https://github.com/open-mmlab/mmpose
使用连接：https://mmpose.readthedocs.io/en/latest/demo.html
安装教程
1. 安装mmcv-full
假设你的电脑已经安装了anaconda环境，并且你已经安装了pytorch，最好的pytorch的版本是1.5以上，如果不是的话，最好可以使用以下代码新建一个虚拟环境，我个人喜欢最新的版本，因为现在的安装包兼容性都做的比较好，不懂不用担心兼容新问题，新版本基本都能跑旧版本的代码，大可放心，废话不多说，咱们开始吧。
pytorch版本小于1.5的使用以下代码：
注意自己的cuda版本哈，我是根据自己的来的，查看cuda版本，可以在命令行使用nvcc -V
conda create -n open-mmlab python=3.8 pytorch=1.9 cudatoolkit=11.3 torchvision -c pytorch -y
conda activate open-mmlab
现在是已经满足了pytorch版本大于1.5了，咱们开始安装openmim
注意自己的版本号哈，改成相对应的，如果不想改，就直接用pip install mmcv-full省事
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.9.0/index.html
2. 安装MMPose
这里建议win系统的同学，由于win没有linux命令行你那么舒服，我建议大家可以安装一个git cmd，这个用起来非常爽，可以让你又linux的感觉。好了，开始安装mmpose了
克隆mmpose库
git clone https://github.com/open-mmlab/mmpose.git
cd mmpose
安装需要的包
pip install -r requirements.txt
pip install -v -e . # or "python setup.py develop"
这里要注意在安装过程中，可能出现某些包安装不了的情况，这个时候需要自己手动安装，我在安装过程中出现了poseval这个库，安装不上，我去百度上搜了以下，这里把安装方法给大家。
安装不上poseval，使用以下手动方法安装
1.第一种方式：
pip install https://github.com/svenkreiss/poseval.git
2.第二种方式：
git clone https://github.com/svenkreiss/poseval.git
cd poseval
pip install -e . # install the local package ('.') in editable mode ('-e')
注意中途出现问题之后，后面有些包没有安装好，还需要使用pip install -r requirements.txt继续安装
2. 安装mmdet
这个可以安装可以不安装，我建议大家安装以下，因为步骤很简单，如果不去安装的话，后面使用姿态估计的库top-down的思路需要自己标注框的位置，自己做json文件，麻烦，这里就顺手安装了吧。
pip install mmdet
使用教程
1. 预测图片
以上都安装好了之后，下面我们开始来使用他吧
如果我们没有安装mmdet话，只能测试他们提供的图片
下面我们以coco数据集为例，测试玩一下这个库，他们提供了已经标注好的json
python demo/top_down_img_demo.py configs/body/2d_kpt_sview_rgb_img/topdown_heatmap/coco/hrnet_w48_coco_256x192.py https://download.openmmlab.com/mmpose/top_down/hrnet/hrnet_w48_coco_256x192-b9e0b3ab_20200708.pth --img-root tests/data/coco/ --json-file tests/data/coco/test_coco.json --out-img-root vis_results
下面是预测的结果
如果你安装了mmdet话，任意一张图片都可以预测
直接使用以下代码，mmdet可以自己检测到人，不需要在手动标注了
python demo/top_down_img_demo_with_mmdet.py demo/mmdetection_cfg/faster_rcnn_r50_fpn_coco.py https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth configs/body/2d_kpt_sview_rgb_img/topdown_heatmap/coco/hrnet_w48_coco_256x192.py https://download.openmmlab.com/mmpose/top_down/hrnet/hrnet_w48_coco_256x192-b9e0b3ab_20200708.pth --img-root tests/data/coco/ --img 1.jpeg --out-img-root vis_results
下面看一下效果吧
2. 预测视频
预测视频的代码如下：
python demo/top_down_video_demo_with_mmdet.py demo/mmdetection_cfg/faster_rcnn_r50_fpn_coco.py https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth configs/body/2d_kpt_sview_rgb_img/topdown_heatmap/coco/hrnet_w48_coco_256x192.py https://download.openmmlab.com/mmpose/top_down/hrnet/hrnet_w48_coco_256x192-b9e0b3ab_20200708.pth --video-path demo/resources/1.mp4 --out-video-root vis_results
下面开一下效果吧
vis_1
最后，需要识别动物的可以看下面的教程
https://mmpose.readthedocs.io/en/latest/demo.html