一、搭建深度学习框架
安装cunda+cudnn+tensorflow-gpu
参考：https://www.cnblogs.com/StarZhai/p/tensorflow-gpu.html
二、下载源码
OpenPose项目Github链接：https://github.com/CMU-Perceptual-Computing-Lab/openpose
Windows能用的版本: 点击所有版本 下载最新的版本即可。
三、参考官方文档
18特征点人体， 25特征点人体
25+面部详细特征点 25+手部详细特征点
快速启动
大部分用户不需要调用OpenPose的C++和Python的开发接口，这些用户只需要运行OpenPose Demo即可
- OpenPose Demo: 为了便于处理图片、视频或者网络摄像头的视频流，并展示和后处理结果，你需要看doc/demo_overview.md. 例如，你可以直接通过以下命令在Ubuntu操作系统上处理一个视频。
- 校准工具: 三维的OpenPose处理和其它立体视觉处理任务需要你便捷校准摄像机，可查看 doc/modules/calibration_module.md文档。
- OpenPose C++ API: 如果你想定制开发读取特定内容的接口、增加个性定制的后处理功能或者展示存储功能，点击这个链接查看C++的API接口，examples/tutorial_api_cpp/ 和 doc/library_introduction.md。你可以增加自己的代码examples/user_code/ 使用Cmake快速编译整个项目。快速增加自己定制的代码，看这个文档：examples/user_code/README.md
- OpenPose Python API: 类似C++的API接口，点击文档查看Python API的教程examples/tutorial_api_python/.
- 增加额外的模块:查看 doc/library_add_new_module.md.
- 独立的脸部和手指检测:
- 脸部 不对身体关键点进行识别，仅对脸部关键点识别：如果你想加快处理速度（同时也会减少识别脸的个数），请看OpenCV脸部识别文档：doc/standalone_face_or_hand_keypoint_detector.md.
- 使用你自己的脸部和手部识别工具: 与身体关键点识别不同，你可以使用你自己的脸部和手部识别工具。比方说，在手指能看清但身体看不清的时候使用（OpenPose的识别器不能正常工作）。查看文档doc/standalone_face_or_hand_keypoint_detector.md.
输出
请点击这个文档，查看输出文件的格式、关键点数据结构等信息。doc/output.md.
增加运算速度以及基准测试
点击这个文档，查看增加运行速度、减少内存需求的提示 doc/faq.md#speed-up-memory-reduction-and-benchmark.
参考文献和扩展阅读
【1】论文：https://arxiv.org/pdf/1611.08050.pdf
【2】姿态检测视频制作源码：muyiguangda/caffe_rtpose
【3】开头视频：Changing Batteries 更换电池「中字」
【4】CMU训练数据集： CMU Panoptic Dataset
【4】匈牙利算法： Hungarian algorithm
模型下载地址：
https://www.aiuai.cn/aifarm708.html
bin\OpenPoseDemo.exe --net_resolution "64x64" --face --hand
3.打开cmd切换到bin的同级目录
我自己的路径
f:
cd F:\esint\smoking_Recognition\openpose\openpose-1.5.1-binaries-win64-gpu-python-flir-3d_recommended\openpose
运行
bin\OpenPoseDemo.exe --net_resolution "64x64" --face --hand
bin\OpenPoseDemo.exe --net_resolution "64x64" --image_dir examples\media\ --face --hand
调用pythonAPI实现个性化的姿势识别见下一篇博客
基于openpose的动作识别（二）
https://www.cnblogs.com/StarZhai/p/11995199.html