MMPose：是一个基于PyTorch的开源的姿态估计工具箱，支持各种主流的人体姿态估计（2D多人姿态估计、2D Hand姿态估计、133个KeyPoints的人体姿态估计、3D人体网格恢复）。
（mmpose中包含很多个姿态估计算法，看都看不过来，主要讲述几个最新的top，简单操作，即学即用，跑一下不同的api就有不一样的效果）
一 mmpose环境
https://github.com/open-mmlab/mmpose/tree/main?tab=readme-ov-file
官网介绍了几种，我用的是最佳实践，过程几乎没有出错，具体安装可点击下面去看
MMPose 适用于 Linux、Windows 和 macOS。它需要 Python 3.7+、CUDA 9.2+ 和 PyTorch 1.8+
我的python是3.8，cuda是11.3，pytorch是1.10.1
#先创一个conda环境
conda create -n abc python=3.8#abc是自己命的环境名，python版本对应conda中的python版本
conda activate abc #激活创建的环境
#然后在环境里安装最重要的一部分，使用 MIM 安装 MMEngine 和 MMCV
pip install -U openmim
mim install mmengine
mim install "mmcv>=2.0.1"
mim install "mmdet>=3.1.0"
#源码下载
git clone https://github.com/open-mmlab/mmpose.git
cd mmpose
pip install -r requirements.txt
pip install -v -e .
# "-v" 表示输出更多安装相关的信息
# "-e" 表示以可编辑形式安装，这样可以在不重新安装的情况下，让本地修改直接生效注意：新旧版本 mmpose、mmdet、mmcv 的对应关系为：
-
mmdet 2.x <=> mmpose 0.x <=> mmcv 1.x
-
mmdet 3.x <=> mmpose 1.x <=> mmcv 2.x
如果遇到版本不兼容的问题，请使用 pip list | grep mm 检查对应关系后，升级或降级相关依赖。注意，mmcv-full 只对应旧版本 mmcv 1.x，所以请先卸载它后，再通过 mim install mmcv 来安装 mmcv 2.x。
验证：
python demo/image_demo.py \
tests/data/coco/000000000785.jpg \
td-hm_hrnet-w48_8xb32-210e_coco-256x192.py \
td-hm_hrnet-w48_8xb32-210e_coco-256x192-0e67c616_20220913.pth \
--out-file vis_results.jpg \
--draw-heatmap二 2d全身姿态估计
主要包括人体17、26和133个关键点
1，2D全身姿态估计（外接摄像头可用,我好像改过代码，你们要是用不了外接摄像头，直接input图片或视频路径也可）
python demo/topdown_demo_with_mmdet.py \
projects/rtmpose/rtmdet/person/rtmdet_nano_320-8xb32_coco-person.py \
https://download.openmmlab.com/mmpose/v1/projects/rtmpose/rtmdet_nano_8xb32-100e_coco-obj365-person-05d8511e.pth \
projects/rtmpose/rtmpose/body_2d_keypoint/rtmpose-m_8xb256-420e_coco-256x192.py \
https://download.openmmlab.com/mmpose/v1/projects/rtmposev1/rtmpose-m_simcc-aic-coco_pt-aic-coco_420e-256x192-63eb25f7_20230126.pth \
--input webcam \
--show(视频要b站或者优酷，不想搞，这是图片效果)
2，全身+脸+手+脚
python demo/inferencer_demo.py webcam --pose2d wholebody #（自带摄像头）
python demo/inferencer_demo.py tests/data/crowdpose \
--pose2d wholebody --vis-out-dir vis_results/crowdpose #（图片或视频）
三 3d姿态估计
python demo/inferencer_demo.py webcam \
--pose3d human3d --vis-out-dir vis_results/human3d # (人体3d检测)
四 RTMO/RTMW3D
RTMO:单阶段实时多人姿态估计模型，没有检测框（自底而上），身体17个关键点
python demo/inferencer_demo.py webcam --pose2d rtmo --vis-out-dir vis_resultsRTMW3D：基于rtmpose模型（2d姿态估计模型）的实时多人3d全身姿态估计（两阶段），全身脸手133个关键点
python body3d_img2pose_demo.py configs/rtmdet_m_640-8xb32_coco-person.py https://download.openmmlab.com/mmpose/v1/projects/rtmpose/rtmdet_m_8xb32-100e_coco-obj365-person-235e8209.pth /home/wuyapeng/Downloads/mmpose/projects/rtmpose3d/configs/rtmw3d-l_8xb64_cocktail14-384x288.py rtmw3d-l_8xb64_cocktail14-384x288-794dbc78_20240626.pth --input 1.jpg --output-root output#（图片或者视频）
python body3d_img2pose_demo.py configs/rtmdet_m_640-8xb32_coco-person.py https://download.openmmlab.com/mmpose/v1/projects/rtmpose/rtmdet_m_8xb32-100e_coco-obj365-person-235e8209.pth /home/wuyapeng/Downloads/mmpose/projects/rtmpose3d/configs/rtmw3d-l_8xb64_cocktail14-384x288.py rtmw3d-l_8xb64_cocktail14-384x288-794dbc78_20240626.pth --input webcam --output-root output --show #（自带摄像头）
