如何評價卡內基梅隆大學的開源專案 OpenPose？

1樓：張子豪

OpenPose人體姿態識別專案是美國卡耐基梅隆大學（CMU）基於卷積神經網路和監督學習並以caffe為框架開發的開源庫。可以實現人體動作、面部表情、手指運動等姿態估計。適用於單人和多人，具有極好的魯棒性。

是世界上首個基於深度學習的實時多人二維姿態估計應用，基於它的實例如雨後春筍般湧現。人體姿態估計技術在體育健身、動作採集、3D試衣、輿情監測等領域具有廣闊的應用前景，人們更加熟悉的應用就是抖音尬舞機和QQ的跳舞教室。

github.com/CMU-Perceptual-Computing-Lab/openpose為了便於中國開發者學習CMU開源人體姿態識別專案，我將README文件翻譯成了中文。

張子豪：Github開源人體姿態識別專案OpenPose中文文件

2樓：zhouwencan

我不是做技術的，有些問題需要大神搭救：

1。OpenPose能直接商用麼？有沒有專利問題

2。如果能，現在最大的問題是不是計算資源的問題？那麼，我用OpenPose去做一些對實時性要求不高的應用，是可行的麼？比如統計上課的時候學生舉手、起立什麼的。

3樓：Yan

用過，愛過。

OPENPOSE 裡的模型的精度並不如第一版的 rtpose裡帶的模型。用在自己的資料集上效果沒有像官方DEMO裡面那麼出色，準確度和魯棒性都不高。因此如果需要應用在自己的場景裡面，fine tuning 或者 postprocessing是少不了的。

也跑過MPIICooking, 有興趣的朋友可以在上面試試，右下角有時候會多乙個人。

4樓：李明駿

第一印象是驚豔！OpenPose 可以實現人的面部表情、軀幹和四肢甚至手指的跟蹤，不僅適用於單人也適用於多人，同時具有較好的魯棒性。或許會是人機互動上的乙個里程碑，為機器理解人提供了乙個高質量的資訊維度。

靠手指的運動和軀幹的姿態就可以推理出大部分的人類行為。身體語音的資訊量某種程度上遠多於語言所能表達。

基於此可以去進一步的演算法疊加，對跟蹤定位到的進行以片段或以幀為單位的標註，實現身體語言的解讀。理解真實的人類不再困難。

基於人類身體語言之後能做的事情不要太多。。。回去跑幾遍，效果不錯的話，就可以準備寫商業方案了

5樓：maybeALittle

我也來佔個坑，小弟七月分寫的，按照官方給出的寫的中文配置教程，內涵一些錯誤糾正，敬請參考和交流

【OpenPose-Windows】OpenPose+VS2015+Windows+CUDA8+cuDNN5.1 官方配置教程

6樓：李戰斌

之前做過一段時間的face alignment，對openpose初步了解了下，基於之前的研究openface的經歷，說下自己對於openpose的一點看法，拋磚引玉。

終於有人把face alignment和pose alignment串起來了，而且根據人體頭部的剛體屬性及四肢的非剛體特性設計了一套基於caffe的點估計與擴散模型，並建立樹狀決策加速，據此再加之3D背景分割技術，3D試衣demo就可以再次組建起來了。

It is a big business!

是不是能成為新零售的未來不得而已，風，已經起了。

step1、face alignment ，應用：3D試妝，3D眼鏡，3D試帽，3D假髮與頭飾，3D 項鍊，

3D髮型選擇，3D絲巾等

step2、body pose alignment ，應用：3D試衣，3D互動遊戲與娛樂等

step3、hand pose alignment，應用：3D手錶，3D手飾，3D手環，3D美甲等

step4、3D／2D image segmentasion，為3D渲染提供邊界位置服務，為背景替換的虛擬穿越服務

step5、3D render，實現上述功能的3D視覺化，

其中，face alignment可以monocamera實現較好的體驗效果，其他都需要3Dcamera(stereo,tof,struct etc..)才具有真實感。