AlphaPose复现配置教程
AlphaPose介绍
AlphaPose是一种准确的多人姿态估计器，这是第一个在COCO数据集上达到70+ mAP (75 mAP)和在MPII数据集上达到80+ mAP (82.1 mAP)的开源系统。为了匹配跨帧的同一人的姿态，我们还提供了一种高效的在线姿态跟踪器，称为Pose Flow。这是第一个在PoseTrack挑战数据集上达到60+ mAP (66.5 mAP)和50+ MOTA (58.3 MOTA)的开源在线姿态跟踪器。
AlphaPose支持Linux和Windows操作系统！
测试环境
该配置测试的环境为：Ubuntu22.04、Conda python==3.7
测试日期：2023-7-18
以下内容在该环境及时间点下测试可行。
1.配置alphapose
AlphaPose官方给的配置教程有问题，经过debug，以下可行，我在实测的时候顺便也给repo提了issue和pr。
1.配置依赖环境及安装AlphaPose
# 1. Create a conda virtual environment.
conda create -n alphapose python=3.7 -y
conda activate alphapose
# 2. Install specific pytorch version
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch
# 3. Get AlphaPose
git clone https://github.com/MVIG-SJTU/AlphaPose.git
cd AlphaPose
# 4. install dependencies
export PATH=/usr/local/cuda/bin/:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64/:$LD_LIBRARY_PATH
sudo apt-get install libyaml-dev
pip install cython==0.27.3 ninja easydict halpecocotools munkres natsort opencv-python pyyaml scipy tensorboardx terminaltables timm==0.1.20 tqdm visdom jinja2 typeguard pycocotools
################Only For Ubuntu 18.04#################
locale-gen C.UTF-8
# if locale-gen not found
sudo apt-get install locales
export LANG=C.UTF-8
######################################################
# 5. install AlphaPose
python setup.py build develop
# 6. Install PyTorch3D (Optional, only for visualization)
conda install -c fvcore -c iopath -c conda-forge fvcore iopath
conda install -c bottler nvidiacub
pip install pytorch3d
2.替换权重文件
从github的项目页下载yolov3-spp.weights到AlphaPose/detector/yolo/data ，如果没有这个文件夹就创建一个。
3.下载预训练模型
下载FastPose预训练模型到AlphaPose/pretrained_models
2.测试alphapose
python scripts/demo_inference.py --cfg configs/halpe_26/resnet/256x192_res50_lr1e-3_1x.yaml --checkpoint pretrained_models/halpe26_fast_res50_256x192.pth --indir examples/demo/ --save_img
AlphaPose/examples/demo文件夹下的图片将被用作处理，AlphaPose/examples/res文件夹下将出现处理后的结果
3.将视频导入模型进行姿态估计
python scripts/demo_inference.py --cfg configs/halpe_26/resnet/256x192_res50_lr1e-3_1x.yaml --checkpoint pretrained_models/halpe26_fast_res50_256x192.pth --video examples/demo/test_video.mp4 --save_video
