win10+vs2019+cuda10.1+cudnn+OpenPose1.5.1配置教程
下载网址：https://github.com/CMU-Perceptual-Computing-Lab/openpose/releases
安装环境：vs2019，cuda10.1，cudnn
官方安装教程
https://github.com/CMU-Perceptual-Computing-Lab/openpose/blob/master/doc/installation.md
官方问题处理
https://github.com/CMU-Perceptual-Computing-Lab/openpose/blob/master/doc/faq.md
注意，直接使用cmake配置，网络太慢，一些第三方库下载不下来，会报错，按照下面步骤执行即可。
1、安装CUDA10.1
下载网址：https://developer.nvidia.com/cuda-toolkit-archive
按照如下选择：
CUDA下载完成后，点击执行.exe文件，接下来一直选择下一步即可。【可自定义安装路径】
安装完成后打开cmd，输入nvcc -V
2、安装cudnn
下载网址：https://developer.nvidia.com/rdp/cudnn-download【注意需要登陆】
下载完成后，解压即可。
3 、在vs中测试cuda与cudann
1）打开一个新的vs工程，“创建新项目”，搜索cuda，选中“CUDA 10.1 Runtime”，点击“下一步”。
2）选择位置，填写名字，创建新的工程。
打开属性管理器，添加新的属性文件，然后双击打开属性文件进行配置。
3）配置头文件与库文件
在VC++目录中加入变量：
包含目录为：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include
C:\software\cudnn10.1\cuda\include
库目录为：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64
C:\software\cudnn10.1\cuda\lib\x64
配置属性–>链接器–>输入–>附加依赖中添加库文件：
cublas.lib
cuda.lib
cudadevrt.lib
cudart.lib
OpenCL.lib
cudnn.lib
4）右键选择“CUDA C/C++”中的Device将第一个修改为：是
5）生成解决方案，进行调试。
编译通过，调试有输出，则安装完成。
测试cudnn的正确性：
复制下面代码，替换kernel.cu中的内容
#include <iostream>
#include <cuda_runtime.h>
#include <cudnn.h>
using namespace std;
void main()
{
cudnnHandle_t handle;
cudnnStatus_t t = cudnnCreate(&handle);
cout << cudnnGetErrorString(t);
getchar();
}
4、下载第三方库
openpose-1.5.1\3rdparty\windows文件夹中，
打开下面bat文件，找到网址单独下载下面几个库。
下载完时候解压到该文件夹，
在CMakeLists.txt中将下载第三方库的语句注释掉：
5、cmake安装程序
点击“Configure”：
点击“Generate”，报出以下warning：
WARNING: Target "openpose" requests linking to directory "D:/work/BehaviorDetection/code/c++/openpose-1.5.1/3rdparty/windows/opencv". Targets may link only to libraries. CMake is dropping the item.
注意，把OpenCV_LIBS路径设置为：D:/work/BehaviorDetection/code/c++/openpose-1.5.1/3rdparty/windows/opencv/x64/vc15/lib/opencv_world401.lib
然后重新“Configure”->“Generate”即可。
6 、项目测试
1）打开build中的.sln，打开工程。
2）打开解决方案，选择ALL_BUILD，右键点击生成。
3）选择Examples文件夹下的其中一个例子，右键设为启动项后点击使用F5运行。
报错：
原因：pose_iter_584000.caffemodel文件找不到，或不能正确读取（没下载完整）
解决：重新下载，大小约99M。
【下载网址如下：
http://posefs1.perception.cs.cmu.edu/OpenPose/models/pose/body_25/pose_iter_584000.caffemodel
http://posefs1.perception.cs.cmu.edu/OpenPose/models/hand/pose_iter_102000.caffemodel
http://posefs1.perception.cs.cmu.edu/OpenPose/models/face/pose_iter_116000.caffemodel
】
将OpenPoseDemo设置为启动项，右键属性，在命令参数中输入：
--image_dir examples\media\【运行图像】
--video examples\media\video.avi【运行视频】
运行图像：
（1）Body：
build\x64\Release\OpenPoseDemo.exe --image_dir examples\media\
（2）face and hands
build\x64\Release\OpenPoseDemo.exe --image_dir examples\media\ --face --hand
运行视频：
（1）Body：
build\x64\Release\OpenPoseDemo.exe --video examples\media\video.avi
（2）face and hands
build\x64\Release\OpenPoseDemo.exe --video examples\media\video.avi --face --hand
Maximum Accuracy Configuration：
（1）Body：
build\x64\Release\OpenPoseDemo.exe --net_resolution "1312x736" --scale_number 4 --scale_gap 0.25
（2）Body + Hand + Face：
build\x64\Release\OpenPoseDemo.exe --net_resolution "1312x736" --scale_number 4 --scale_gap 0.25 --hand --hand_scale_number 6 --hand_scale_range 0.4 --face
性能说明：这个版本由于需要巨大的内存，不能在CPU上工作。如果一定要使用纯CPU版本，则需要手动裁剪适应openpose的整个图像面积的人。
在GPU上运行，需要10.5 GB的GPU memory (6.7 GB for COCO model)，在Titan X帧率约2 FPS body-foot model (1 FPS for COCO)。注意以下两点：
（1）增加--net_resolution将大大降低帧速率并增加延迟，同时可能会提高准确性。但是，这种准确性的提高并不是在所有场景中都能保证的，需要对每个特定场景进行更详细的分析。例如，对于小人物的照片来说效果会更好，但对于人占很大比例的图来说效果通常会更差。因此，我们建议遵循下面的规则，以便在大多数情况下，无论大小尺度的人都能获得最大的准确度。
（2）请勿将此配置用于MPII model，此多尺度设置可能会损害其精度。此配置仅适用于COCO和COCO扩展（例如，默认的BODY_25）模型。
BODY_25 vs. COCO vs. MPI Models之间的差异：
BODY_25 model (--model_pose BODY_25)包括身体和脚的关键点【基于论文：OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields】
COCO and MPI models更慢，精度更差点，不包括脚部的关键点【基于论文：Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields】
推荐使用BODY_25 model。
有一个例外，对于CPU版本，COCO和MPI models更快一些，但依然是BODY_25 model精度好一些。