对于人体骨架数据提取，从Openpose到Alphapose，对人少的场景都做出了很好的性能.
港中文AAA12018的ST-GCN在Openpose的基础上，使用时空图卷积网络进行了简单动作识别，准确率有待提高。在Kinetics （7.5G）and NTU-RGBD（5.8G）数据上进行了相关测试,由于Openpose对caffe环境要求很苛刻，安装编译过程中出现问题，稍后会总结。
Alphapose最近遇到了行人匹配的问题，由于Alphapose在检测时候的问题，导致无法确定时间t内同一个人的骨架数据，使得后边的简单的动作特征无法有效准确的提取
港中文AAA12018:https://arxiv.org/abs/1801.07455 开源项目： https://github.com/yysijie/st-gcn
上交开源项目：https://github.com/MVIG-SJTU/AlphaPose
主要讲一下Alphapose的配置安装教程，特别感谢小伙伴的帮助 https://me.csdn.net/weixin_42054950
（1）机器基本配置：cuda9.0 cudnn 7.1等不在介绍；
（2）训练好的模型duc_se.pth 下载链接：https://pan.baidu.com/s/1xXLHvsaVUNHfHDjHI2cVtw
提取码：wb24 放在 AlphaPose-pytorch\models\sppe
（3）训练好的模型yolov3-spp.weights下载链接：https://pan.baidu.com/s/1mLhdNZtUPs6fSA8eCGxgBA
提取码：akxo 放在 AlphaPose-pytorch\models\yolo
安装requirements.txt里边的依赖项：注意torch==0.4.0和torchvision安装时间会很长，耐心等待，其余的缺啥安装啥就行，每个人的环境也不太一样。使用命令测试pytorch是否安装成功
python3
import torch
demo测试：
1.视频文件提取并保存
python3 video_demo.py --video /home/*****/*****/AlphaPose-pytorch/examples/testvideo/2.mp4 --outdir examples/resvideo --save_video
2.批量照片文件提取
python3 demo.py --indir /home/*****/*****/AlphaPose-pytorch/examples/demo --outdir examples/res
3.摄像头视频流实时提取
python3 webcam_demo.py --webcam 0 --outdir examples/res --vis
4.批量照片文件提取
python3 demo.py --indir /home/*****/*****/AlphaPose-pytorch/examples/demo --outdir examples/res --fast_inference False --save_img
加速检测：
（1）增加置信阈值 降低NMS阈值
python3 video_demo.py --video ${path to video} --outdir examples/results/ --conf 0.5 --nms 0.45
（2）显存大于8G 增加检测批次
python3 demo.py --indir ${img_directory} --outdir examples/res --detbatch 2
（3）如果不检测小目标人物，降低输入到检测网络 inp_dim 是32的倍数
python3 demo.py --indir ${img_directory} --outdir examples/res --inp_dim 480
处理的视频截图，后边有时间想好了之后会对json文件解析再进行介绍：
