openpose-pose-estimation

# OpenPose — Detección de Pose Humana Multi-persona ## Qué es OpenPose (CMU Perceptual Computing Lab, CVPR 2017) fue el **primer sistema en tiempo real multi-persona** que detecta conjuntamente 135 keypoints: 25 del cuerpo, 21×2 manos, 70 cara y 6 pies, sobre una sola imagen o vídeo. - **Output:** coordenadas (x, y, confianza) por keypoint + PAFs (Part Affinity Fields) para asociar extremidades - **Backends:** Caffe, OpenGL, OpenVINO, TensorRT, CUDA - **Multi-persona** sin detector previo (bottom-up), a diferencia de enfoques top-down - **Licencia:** gratuita para uso no comercial (NOASSERTION — revisar antes de uso comercial) ## Instalación (Windows) ```bash git clone --recursive https://github.com/CMU-Perceptual-Computing-Lab/openpose.git cd openpose # Requiere CMake + Visual Studio (Windows) o Make (Linux) # Modelos se descargan al compilar (baixar_models option) o con scripts/getModels.sh ``` Pitfall: clonar SIEMPRE con `--recursive` (dependencia de submódulos de Caffe/3rdparty). ## Uso básico ```bash # Imagen con todos los keypoints bin/OpenPoseDemo.exe --image_path imagen.jpg --face --hand # Vídeo en directo bin/OpenPoseDemo.exe --video video.mp4 --net_resolution "-1x368" # Salida JSON de keypoints bin/OpenPoseDemo.exe --image_path img.jpg --write_json output/ ``` `--net_resolution "-1x368"` mantiene múltiplo de 16 y equilibra velocidad/precisión en GPU modestas. ## Casos de uso para David - **Base para proyectos CV**: gestos, interacción, análisis de movimiento en webcams o vídeo - **Complemento de otras skills de visión** (RF-DETR, GazeTracking, ONNX/WebGPU): OpenPose cubre la parte de pose que las otras no - **Alternativas modernas** si el proyecto lo requiere: MediaPipe Pose, YOLO-Pose, RTMPose — más ligeras y con mejor soporte web, pero OpenPose sigue siendo el benchmark de referencia y el más completo en manos/cara ## Pitfalls - **Build en Windows es pesado**: CMake + VS 2019/2022, y los modelos (~200MB) se descargan aparte; fallos típicos por versión de CUDA incompatible con la de PyTorch preinstalada - **Sin desarrollo activo**: último push en 2024 — para producción considerar alternativas; sigue siendo válido como referencia y para experimentos - **Licencia no comercial**: no usar en proyectos de clientes sin revisarla - CPU-only es lento (≈1 fps a resolución baja); GPU recomendada para tiempo real ## Verificación - `bin/OpenPoseDemo.exe --image_path examples/media/COCO_val2014_000000000192.jpg` debe abrir la ventana con el esqueleto dibujado sobre la persona - El JSON de salida contiene `part_candidates` y `people` con 25+ keypoints por persona detectada ## Referencias - Repo: `github.com/CMU-Perceptual-Computing-Lab/openpose` (34.4k⭐) - Paper: CVPR 2017 — "Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields" ## Comparativa de alternativas - **[bharath5673/3d_human_pose](https://github.com/bharath5673/3d_human_pose)** — saltar de pose 2D a 3D con YOLO + MediaPipe + BodyPose3DNet (workflow 3D y multi-cámara); es el siguiente paso natural tras detectar la pose 2D en 2D. - **[ronvidev/modelo_lstm_lsp](https://github.com/ronvidev/modelo_lstm_lsp)** — pipeline de reconocimiento de lengua de signos por secuencia: MediaPipe → normalización de frames → keypoints → LSTM → GUI; ejemplo de clasificación de gestos sobre secuencia de pose.