video-to-pose3D常见问题解答：解决安装、运行与结果异常的完整指南

【免费下载链接】video-to-pose3DConvert video to 3D pose in one-key.项目地址: https://gitcode.com/gh_mirrors/vi/video-to-pose3D

video-to-pose3D是一款强大的视频转3D姿态工具，能够一键将普通视频转换为精准的3D人体姿态。本文将为您解答使用过程中可能遇到的安装、运行及结果异常等常见问题，助您顺利实现视频到3D姿态的转换。

安装相关问题

环境配置要求

使用video-to-pose3D需要满足一定的环境配置。操作系统需为Linux系统，Python版本要大于3.6。同时，还需要安装一系列依赖包，如Pytorch > 1.0.0、torchsample、ffmpeg、tqdm、pillow、scipy、pandas、h5py、visdom、nibabel、opencv-python（通过pip安装）、matplotlib等。

依赖包安装失败

若在安装依赖包时遇到问题，可尝试以下解决方法：

• 对于一般依赖包，使用pip install -r requirements.txt命令进行安装，该文件可在项目根目录下找到。
• 若安装opencv-python失败，可尝试重新安装特定版本，命令如下：

  pip3 uninstall opencv_python pip3 install opencv_python --user

  许多人在安装opencv-python时遇到过问题，若上述方法仍无法解决，可参考https://github.com/opencv/opencv/issues/8471，将pypi提供的cv2.so库替换为从源码编译的版本。

模型文件下载与放置

2D关节检测器和3D关节检测器都需要下载相应的模型文件并放置到正确位置：

• Alphapose（推荐）：下载duc_se.pth，放置到./joints_detectors/Alphapose/models/sppe；下载yolov3-spp.weights，放置到./joints_detectors/Alphapose/models/yolo。
• HR-Net：下载pose_hrnet*，放置到./joints_detectors/hrnet/models/pytorch/pose_coco/；下载yolov3.weights，放置到./joints_detectors/hrnet/lib/detector/yolo。
• 3D关节检测器：下载pretrained_h36m_detectron_coco.bin，放置到./checkpoint文件夹。

运行相关问题

无法打开摄像头或视频文件

当出现无法打开摄像头或视频文件的情况时，可按以下步骤排查：

• 尝试重新安装opencv-python，确保版本 >= 3.3.1.11。
• 检查设备是否有效，在终端输入ls /dev/video*，通常会找到video0，若设备索引为其他值（如video3），可运行python3 webcam_demo.py --webcam 3 --outdir examples/res --vis命令。

内存溢出（OOM）问题

若遇到内存溢出问题，可尝试降低姿态估计的批处理大小，直到程序能在您的计算机上运行，例如：python3 demo.py --indir ${img_directory} --outdir examples/res --posebatch 30。

多人员视频处理

目前多人员视频处理功能尚未完全实现，处于开发阶段。若要进行相关开发，可查看./videopose_multi_person文件。大致流程包括运行AlphaPose将结果保存到./outputs/alpha_pose_kobe，然后使用PoseTrack进行跟踪，输出poseflow-results.json到同一目录，可视化结果保存在./outputs/alpha_pose_kobe/poseflow-vis。后续还需改进跟踪算法的准确性或对跟踪结果进行特定后处理，并选择要保留的人物（移除每帧中其他的2D点）。

结果异常问题

2D关节检测效果不佳

若2D关节检测效果不理想，可尝试以下方法：

• 对于Alphapose，可调整检测模式，如使用--detmode参数选择fast/normal/accurate模式。
• 调整检测的置信度阈值，--conf参数控制人体检测的置信度阈值，降低该值可提高最终准确性但会降低速度，默认值为0.1；--nms参数控制人体检测的非极大值抑制阈值，增加该值可提高准确性但降低速度，默认值为0.6。
• 调整检测网络的输入大小，--inp_dim参数控制检测网络的输入大小，该值应为32的倍数，默认值为608。对于不需要检测小尺寸人物的用户，降低输入大小可提高速度。

3D姿态跟踪失败

在使用LightTrack作为姿态跟踪器时，可能会出现跟踪性能不佳的问题。由于项目中提到LightTrack在测试环境中2D跟踪性能较差，建议优先使用PoseFlow作为2D姿态跟踪器，它无需额外依赖，使用更为稳定。

3D姿态结果不准确

若3D姿态结果不准确，可从以下方面进行优化：

• 确保2D关节检测结果准确，因为3D姿态估计依赖于2D关节检测数据。
• 检查模型文件是否正确下载并放置到指定位置，模型文件的缺失或错误会直接影响3D姿态估计结果。
• 尝试使用不同的2D关节检测器，如Alphapose（推荐）与HR-Net，选择在您的测试环境中表现更好的检测器。

高级使用技巧

PyCharm开发环境设置

若使用PyCharm进行开发，建议将./joints_detectors/Alphapose、./joints_detectors/hrnet和./pose_trackers标记为源根。若在命令行中运行，需在./videopose.py的开头将这些路径添加到sys.path中。

自定义参数

该脚本基于Facebook提供的VedioPose3D，可通过修改./videopose.py中的args来自定义参数。例如，设置args.detector_2d选择2D检测器，设置args.viz_output指定可视化输出路径，设置args.evaluate指定要评估的检查点等。参数的具体含义可参考https://github.com/facebookresearch/VideoPose3D/blob/master/DOCUMENTATION.md。

通过以上内容，相信您能解决在使用video-to-pose3D过程中遇到的大部分问题，顺利实现视频到3D姿态的转换。如果您在使用过程中还遇到其他问题，可参考项目中的相关文档或提交issue寻求帮助。

【免费下载链接】video-to-pose3DConvert video to 3D pose in one-key.项目地址: https://gitcode.com/gh_mirrors/vi/video-to-pose3D