OpenPose 配置记录

这一技术如今在多个领域得到了广泛应用。作为行为识别和体感交互的基础，在安保、交通及娱乐等领域中对人体骨架进行提取成为必要的步骤。经过深度学习技术的成功应用以及在 MSCOCO 等大数据集上的实践验证，在性能上有了显著提升。如今这一技术已接近成熟商用阶段。

视觉技术领域中存在着大量的开源代码资源。国际上众多前沿研究机构的人士始终保持着高度的热情与活力，在发表学术论文以及分享研究成果方面表现得异常积极主动。他们通过迅速占领同行的认可与关注来不断提升自身的学术影响力，在竞争中占据技术和市场环境的优势地位。与此同时企业界也面临着同样的竞争压力积极寻求通过技术创新来巩固自身的技术领先地位并致力于构建和完善自身的技术研发生态系统。

如今搭建这类应用变得更为简便。过去人们还常常通过ASM的论文编写代码进行特征点检测。而现在可以直接获取并深入研究OpenPose代码库。

深度网络之前的特征点定位技术

人体骨骼建模主要基于身体各部位的关键点（如关节位置）来构建，在人类面部五官特征定位方面具有高度的一致性

骨架特征点的标注，在样本图片中进行人体骨架点的标注；传统的技术主要依赖于ASM模型来进行特征点的定位。

OpenPose

OpenPose的目标在于整合人体姿态的整体处理策略，并且在TensorFlow和Torch之间具有良好的兼容性。它能够实时追踪并检测多个人体的特征