Stable Diffusion - 图像控制插件 ControlNet (OpenPose) 配置与使用

已于 2024-10-15 12:19:45 修改
阅读量8.3k 收藏 19
点赞数 3
CC 4.0 BY-SA版权
分类专栏： Stable Diffusion 文章标签： AIGC stable diffusion controlnet openpose
于 2023-07-07 10:55:23 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/caroline_wendy/article/details/131591887

欢迎关注我的优快云：https://spike.blog.youkuaiyun.com/
本文地址：https://spike.blog.youkuaiyun.com/article/details/131591887

ControlNet

论文：Adding Conditional Control to Text-to-Image Diffusion Models

ControlNet 是神经网络结构，用于控制预训练的大型扩散模型，以支持额外的输入条件。ControlNet 以端到端的方式学习任务特定的条件，即使训练数据集很小（< 50k），学习也是稳健的。此外，训练一个 ControlNet 和微调一个扩散模型一样快，而且，模型可以在个人设备上训练。或者，如果有强大的计算集群可用，模型可以扩展到大量（百万到十亿）的数据。Stable DIffusion 这样的大型扩散模型可以用 ControlNets 来增强，以实现条件输入，如边缘图、分割图、关键点等。这可能丰富了控制大型扩散模型的方法，并进一步促进相关应用。Stable DIffusion 迈向工业化的关键模型 ControlNet 技术，使得图像效果更加稳定。

1. 配置 ControlNet 扩展

ControlNet模型 - Huggingface: https://huggingface.co/lllyasviel/ControlNet

5 个重要的控制模型：

  1. OpenPose：动作姿势
  2. Depth：深度
  3. Canny：边缘检测 (线稿)
  4. Softedge：柔和边缘
  5. Scribble：涂鸦乱画

下载模型，参考，常用包括 14 个模型：

control_sd15_openpose.pth: https://huggingface.co/lllyasviel/ControlNet/blob/main/models/control_sd15_openpose.pth

下载扩展，参考：AICG - Stable Diffusion 的扩展插件 (Extensions) 的配置与使用

  • 需要配置更新源：https://gitee.com/akegarasu/sd-webui-extensions/raw/master/index.json

安装扩展选择，搜索 ControlNet，选择 sd-webui-controlnet 进行安装，重启即可。安装成功如下：

Extensions

相关日志：

2023-07-06 19:37:27,089 - ControlNet - INFO - ControlNet v1.1.231
ControlNet preprocessor location: stable_diffusion/stable-diffusion-webui/extensions/sd-webui-controlnet/annotator/downloads
2023-07-06 19:37:27,340 - ControlNet - INFO - ControlNet v1.1.231
Image Browser: ImageReward is not installed, cannot be used.  # 无关紧要

注意，需要检查 ControlNet 是否安装成功，如果失败，则需要删除，并重新安装。

ControlNet 作为插件，在软件的下方插件处显示，即：

ControlNet

预测模型，需要存储至 stable-diffusion-webui\extensions\sd-webui-controlnet\models，其中，包含同名的 yaml 文件。常用包括 14 个模型：

control_v11e_sd15_ip2p.pth
control_v11e_sd15_shuffle.pth
control_v11f1e_sd15_tile.pth
control_v11f1p_sd15_depth.pth
control_v11p_sd15_canny.pth
control_v11p_sd15_inpaint.pth
control_v11p_sd15_lineart.pth
control_v11p_sd15_mlsd.pth
control_v11p_sd15_normalbae.pth
control_v11p_sd15_openpose.pth
control_v11p_sd15_scribble.pth
control_v11p_sd15_seg.pth
control_v11p_sd15_softedge.pth
control_v11p_sd15s2_lineart_anime.pth

在 ControlNet 插件中，除了模型，尺寸占比最重的就是 annotator/downloads 的文件夹，大约 6.1 G。如果下载失败，请手动下载，即：

hed/
leres/
lineart/
lineart_anime/
manga_line/
midas/
mlsd/
normal_bae/
oneformer/
openpose/
pidinet/
uniformer/
zoedepth/

2. ControlNet 的 OpenPose 功能

2.1 配置基础模型

基础模型 AbyssOrangeMix3A1B：

下载模型：

cd stable-diffusion-webui/models/Stable-diffusion
bypy downfile /stable_diffusion/base_models/AOM3A1B_orangemixs.safetensors AOM3A1B_orangemixs.safetensors

提示词：

(sfw:1.2), absurdres, 1girl, ocean,white dress, long sleeves,light smile,
Negative prompt: nsfw, (worst quality:1.2), (low quality:1.2), (lowres:1.1),(monochrome:1.1),(greyscale),multiple views, comic,sketch,animal ears, pointy ears, blurry, transparent,see through,cleavage,bad hands,
Steps: 30, Sampler: DPM++ SDE Karras, CFG scale: 7, Seed: 2586500704, Size: 512x768, Model hash: 5493a0ec49, Model: AOM3A1B_orangemixs, Version: v1.4.0

示例图像：

Image

2.2 使用 OpenPose 功能

添加 ControlNet，固定姿势之后的效果：

  • 选择 启用
  • 选择 OpenPose
  • 选择预处理器 OpenPose
  • 选择模型：control_v11p_sd15_openopenpose
  • 控制权重 与 引导介入时机，控制 Control Net 的影响，可以适当调低，例如 0.5 或 0.05。
  • 其余选择默认

即可：
Img

添加姿势引导图，如下：

Img

输出相同姿势的示例图像，如下：

在 AbyssOrangeMix2 模型中，在抬起手臂时，自动生成太阳帽，然而，提示词中并没有太阳帽。是 AbyssOrangeMix2 模型的问题，而不是 ControlNet OpenPose 生成图像的问题。

Abyss

2.3 测试其他模型输出

测试其他模型，并未出现添加 太阳帽 的情况，例如 墨幽人造人_v1010_完整版：

Prompt：

(sfw:1.2), absurdres, 1girl, ocean,white dress, long sleeves,light smile,
Negative prompt: EasyNegative, (badhandv4:1.25),ng_deepnegative_v1_75t,
Steps: 30, Sampler: DPM++ SDE Karras, CFG scale: 7, Seed: 2586500704, Face restoration: CodeFormer, Size: 512x768, Model hash: 6a226dd292, Model: 墨幽人造人_v1010_完整版, ControlNet 0: "preprocessor: openpose_full, model: control_v11p_sd15_openpose [cab727d4], weight: 0.5, starting/ending: (0.05, 1), resize mode: Crop and Resize, pixel perfect: False, control mode: Balanced, preprocessor params: (512, -1, -1)", Version: v1.4.0

Used embeddings: EasyNegative [119b], badhandv4 [dba1], ng_deepnegative_v1_75t [1a3e]

示例图像：

Image

使用 ControlNet OpenPose 增加姿势约束的示例图像，姿势一致，如下：

姿势统一

2.4 使用 Pose 图

同时，点击红色小点(Run Preprocessor)，即可生成，姿势 (Pose) 图，保存之后，可以复用，即：

在这里插入图片描述

即：

Pose

在使用姿势图时，需要关闭 预处理器，但是，要保留所使用的模型，才能运行，使用姿态图的效果，与使用原图的效果，相同，即：

Pose

3. 其他

3.1 OrangeMixs 模型

下载地址： AOM3A1B_orangemixs.safetensors，这个版本作者推荐 (This model is my latest favorite)，动漫风格为主。

absurdres, (1girl), ocean, white dress, sun hat, smile, (realistic:0.75), (waving:0.9)
Negative prompt: nsfw, (worst quality, low quality:1.4), (lip, nose, tooth, rouge, lipstick, eyeshadow:1.4), (blush:1.2), (jpeg artifacts:1.4), (depth of field, bokeh, blurry, film grain, chromatic aberration, lens flare:1.0), (1boy, abs, muscular, rib:1.0), greyscale, monochrome, dusty sunbeams, trembling, motion lines, motion blur, emphasis lines, text, title, logo, signature,badhandv4,
Steps: 40, Sampler: DPM++ 2M SDE Karras, CFG scale: 7, Seed: 2434999601, Size: 1024x512, Model hash: 5493a0ec49, Model: AOM3A1B_orangemixs, Version: v1.4.0

v2 版本，liblibai下载：

wget https://liblibai-online.liblibai.com/models/57d684f2ceff9b12f1439bffa2b13d5ece21a19a.safetensors -O NSFW_AbyssOrangeMix2_sfw.safetensors

v2 和 v3 的差别，v3更加柔和，似乎添加特殊的滤镜。

AbyssOrangeMix (AOM) 是一种能够生成高质量、高度逼真的插图的 AI 模型，可以生成手工无法绘制的精美详细的插图，还可以用于多种目的，这使得它对于设计和艺术品非常有用。此外，还提供了一种无与伦比的新表达方式，可以生成多种类型的插图，以满足广泛的需求。我鼓励您使用 “Abyss” 来使您的设计和艺术品更加丰富和更高质量。

V3 Prompt：

  • Negative prompts is As simple as possible is good.
    • (worst quality, low quality:1.4)
    • Using “3D” as a negative will result in a rough sketch style at the “sketch” level.
    • Use with caution as it is a very strong prompt.
  • How to avoid Real Face: (realistic, lip, nose, tooth, rouge, lipstick, eyeshadow:1.0), (abs, muscular, rib:1.0),
  • How to avoid Bokeh: (depth of field, bokeh, blurry:1.4)
  • How to remove mosaic: (censored, mosaic censoring, bar censor, convenient censoring, pointless censoring:1.0),
  • How to remove blush: (blush, embarrassed, nose blush, light blush, full-face blush:1.4),
  • How to remove NSFW effects: (trembling, motion lines, motion blur, emphasis lines:1.2),
  • 🔰Basic negative prompts sample for Anime girl ↓
    • v1: nsfw, (worst quality, low quality:1.4), (realistic, lip, nose, tooth, rouge, lipstick, eyeshadow:1.0), (dusty sunbeams:1.0), (abs, muscular, rib:1.0), (depth of field, bokeh, blurry:1.4),(motion lines, motion blur:1.4), (greyscale, monochrome:1.0), text, title, logo, signature
    • v2: nsfw, (worst quality, low quality:1.4), (lip, nose, tooth, rouge, lipstick, eyeshadow:1.4), (blush:1.2), (jpeg artifacts:1.4), (depth of field, bokeh, blurry, film grain, chromatic aberration, lens flare:1.0), (1boy, abs, muscular, rib:1.0), greyscale, monochrome, dusty sunbeams, trembling, motion lines, motion blur, emphasis lines, text, title, logo, signature,
  • Sampler: “DPM++ SDE Karras” is good Take your pick
  • Steps:
    • DPM++ SDE Karras: Test: 12～ ,illustration: 20～
    • DPM++ 2M Karras: Test: 20～ ,illustration: 28～
  • Clipskip: 1 or 2
  • CFG: 8 (6～12)
  • Upscaler :
    • Detailed illust → Latenet (nearest-exact)
    • Denoise strength: 0.5 (0.5~0.6)
    • Simple upscale: Swin IR, ESRGAN, Remacri etc…
    • Denoise strength: Can be set low. (0.35~0.6)

卡通图像，不要选择面部重绘，否则脸部模糊

3.2 BugFix & 参考

Bug1: 遇到 WARNING: Building wheel for fvcore failed: [Errno 28] No space left on device: '.cache/pip/wheels/f9'

即，表示安装pip文件.cache已满，可以重新指定目录。

参考：

Stable Diffusion WebUI 控制网络 ControlNet 插件实现精准控图-详细教程
水滴的博客
04-17 1万+
ControlNet（控制网络）是一种先进的神经网络架构，它为基于扩散模型的 AI 绘画流程引入了精确的控制机制。通过整合额外的条件约束，ControlNet 显著增强了图像生成的可预测性和指导性。在 ControlNet 的辅助下，用户能够对生成的艺术作品进行细致入微的指导，实现对构图、色彩、风格等多维度因素的把控，从而满足各种复杂场景和个性化需求。这一技术为 AI 绘画领域带来了革命性的突破，使得 AI 绘画能够更好地满足用户的具体需求，成为一种真正的生产力工具。项目链接地址论文。
【2025 Stable Diffusion ControlNet插件详解】【12.ControlNet 面部模型】
商务合作|问题讨论|交流学习 请联系作者微信，加微信请务必注明来意，博客主页有联系方式
05-07 589
其核心机制是通过引入"条件扩散模型"，将用户输入的图像特征（如边缘/深度/姿势）与文本提示词进行联合建模。引入自适应权重分配机制，可根据图像复杂度自动调整ControlNet与提示词的干预比例，解决传统固定权重导致的细节丢失问题。新增支持3D点云数据、视频关键帧序列作为输入条件，实现动态场景生成（如人物连续动作动画）模型体积缩小60%的同时保持98%的精度，4GB显存设备可流畅运行所有预处理模块。预计2026年将支持NeRF数据输入，实现3D场景实时生成。实验室环境下的量子版本生成速度提升1000倍。
StableDiffusion：ControlNet模型之Openpose，实现人物姿势控制！
m0_64365896的博客
02-21 1025
全套AI实用插件已打包，有需要的小伙伴可以自取，无偿分享。AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
【小白必备】ControlNet 全网最全从入门到精通教学指南！
最新发布
m0_56144365的博客
05-22 986
“Seg”是“Semantic Segmentation”（语义分割）的简称，属于计算机视觉领域的重要任务。该任务的核心在于为图像中的每个像素分配特定的语义类别标签，从而将图像划分为具有明确语义意义的区域。
Stable-Diffusion和ControlNet插件安装全过程,以及使用心得汇总.
weixin_45643107的博客
03-22 3万+
Stable-Diffusion和ControlNet插件安装全过程,以及使用心得汇总.
Stable Diffusion 插件 Controlnet 安装使用教程（图像精准控制）
m0_74942241的博客
06-28 1万+
Stable Diffusion WebUI 的绘画插件 Controlnet 最近更新了 V1.1 版本，发布了 14 个优化模型，并新增了多个预处理器，让它的功能比之前更加好用了，最近几天又连续更新了 3 个新 Reference 预处理器，可以直接根据图像生产风格类似的变体。
AI绘图的场景应用：文生图、图生图
qq_41314882的博客
03-15 6076
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。
Stable Diffusion中ControlNet和OpenPose的安装教程
暂时先用这个名字
04-04 1万+
ControlNet 是一种神经网络结构，通过添加额外条件来控制扩散模型。它将神经网络块的权重复制到“锁定”副本和“可训练”副本中。“可训练”的人会了解您的病情。“锁定”的模型将保留您的模型。因此，使用图像对的小数据集进行训练不会破坏生产就绪的扩散模型。“零卷积”是 1×1 卷积，权重和偏差都初始化为零。在训练之前，所有零卷积都输出零，ControlNet 不会造成任何失真。没有一个层是从头开始训练的。你还在微调。您的原始模型是安全的。这允许在小规模甚至个人设备上进行培训。
Stable Diffusion中的ControlNet插件
dzysunshine的博客
09-01 2073
ControlNet 的中文就是控制网，本质上是Stable Diffusion的一个扩展插件，在2023年2月份由斯坦福大学的研究人员开发出来的，能够使创作者轻松地控制AI图像和视频中的对象。它将根据边缘检测、草图处理或人体姿势等各种条件来控制图像生成。ControlNet可以概括为一种简单的稳定扩散微调方法。为什么需要ControlNet？
Stable Diffusion插件篇 ControlNet
AA1213888的博客
07-24 1350
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。
【2025 Stable Diffusion ControlNet插件详解】【11.ControlNet 特效生成模型】
商务合作|问题讨论|交流学习 请联系作者微信，加微信请务必注明来意，博客主页有联系方式
05-07 604
ControlNet在2025年已从单纯的图像控制工具进化为全流程AIGC操作系统。通过多模态控制融合、动态参数优化和行业级解决方案，它正在重塑数字内容创作的范式。掌握这一技术不仅需要熟练的参数调校能力，更需要对艺术创作和工程实现的深刻理解。建议从业者持续关注官方文档更新，并积极参与社区技术交流，以充分释放ControlNet的潜力。
AI绘画Stable diffusion最强大的功能：ControlNet插件详解
白帽阿叁的博客
06-26 1713
大家好，我是程序员晓晓。在之前的几篇文章中我已经陆续地介绍过Stable diffusion的一些基础功能，接下来要介绍的是Stable diffusion中稍微难一点的，但同时也是比较实用的功能：ControlNet。简单来说，ControlNet 是一个通过添加来控制中图像生成的。额外条件怎么理解呢？在没有ControlNet之前，我们一般都是通过提示词来生成图片，这里的提示词其实就是一种条件。而额外条件就是在提示词的基础上再增加一些参考条件，比如人物的姿势、轮廓、空间感等。
万字长文解读Stable Diffusion的核心插件—ControlNet
热门推荐
xian0710830114的专栏
04-14 3万+
ControlNet在大型预训练扩散模型（Stable Diffusion）的基础上实现了更多的输入条件，如边缘映射、分割映射和关键点等图片加上文字作为Prompt生成新的图片，同时也是stable-diffusion-webui的重要插件。ControlNet因为使用了冻结参数的Stable Diffusion和零卷积，使得即使使用个人电脑在小的数据集上fine-tuning效果也不会下降，从而实现了以端到端方式学习特定任务的条件目的。
Stable Diffusion【ControlNet】：Openpose Editor插件，实现人物姿势自由
小王的储物间
07-15 1414
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。【宽度】和【高度】：用于调节右侧框骨架图的宽度和高度。
Stable Diffusion进阶！姥姥都能看懂的ControlNet超全教程
winkexin的博客
05-10 2290
珍珠白的墙壁，温莎灰色的地板，卧室，自然光，朴实的色调，简单干净，室内设计的趋势，由 Audrey kawasaki 设计的数字艺术品，光滑，细节，艺术站，中性色，优雅。女孩，独奏，连衣裙，辫子，发带，耳环，微笑，棕色眼睛，白色连衣裙，现实主义，珠宝，长发，黑发，看着观众，裸露的肩膀，嘴唇，蓝色发带，单发带，棕色头发，简单的背景。女孩，独奏，微笑，现实，咧嘴笑，看着观众，棕色的眼睛，棕色的头发，马尾辫，上身，简单的背景，xxx，xx，蓝色的背景，牙齿，嘴唇，裸露的肩膀，长发，黑发。
【AIGC】Stable Diffusion的ControlNet插件
qq_27070223的博客
02-11 800
总的来说，ControlNet 插件为 Stable Diffusion 用户提供了一个强大的工具，可以帮助他们更好地控制和调整模型，以实现更好的性能和结果。用户可以通过 ControlNet 插件调整模型的各种参数，包括输入图像的大小、模型的深度、激活函数的类型等。这些参数的调整可以影响模型的性能和输出结果。ControlNet 还支持自动调整模型参数的功能，可以根据输入数据和任务要求自动优化模型的配置。ControlNet 提供了评估模型性能的工具和指标，帮助用户了解模型的准确性、效率和稳定性。
初认Controlnet插件（插件篇）
HJS123456780的博客
11-15 2254
多控制网和开启关闭controlnet支持多个单元输入，共同生效。与关键词，LoRA一样，每个control单元都有权重（control weight）可以来控制。如果界面上4个单元都不够用，可以在设置里controlnet目录下，调整ControlNet Unit最大数量，重启WebUI才生效。每个单元的开启很容易，把启用勾选上就立刻生效。生图可见。低显存模式针对8G及以下的显卡，可以勾上。画面精度高可以勾上完美像素模式。允许预览是比较老的功能了，字面意思。▍认识Controlnet模型****
Stable Diffusion教程丨姥姥看了都会的Controlnet插件功能教程
qq_41314882的博客
08-15 924
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。
openpose使用教程
07-04
### 回答1： OpenPose是一种用于实时多人姿势估计的库，它可以用于计算机视觉和人机交互等领域。下面是使用OpenPose的简单教程： 1. 安装所需的软件和库：在使用OpenPose之前，您需要安装CMake（用于构建OpenPose）和OpenCV（用于图像处理）。您可以根据您的操作系统和喜好选择适当的版本。 2. 下载OpenPose：您可以从OpenPose的官方GitHub仓库中下载源代码并解压缩到本地文件夹。 3. 构建OpenPose：使用CMake构建OpenPose库。打开命令行终端并导航到您解压缩的OpenPose文件夹。然后创建一个新的文件夹（例如"build"），并在此文件夹中运行CMake命令。CMake将根据您的系统配置构建OpenPose。 4. 打开命令终端：使用命令行终端导航到OpenPose文件夹中的build目录。 5. 运行OpenPose：在命令行中，输入以下命令以运行OpenPose： ./openpose.bin --image_path <your_image_path> 替换<your_image_path>为您要检测人体姿势的图像路径。OpenPose将分析图像并在图像中标记出人体的关节位置。 6. 更多选项：OpenPose还提供其他参数和选项，以便更好地适应您的需求。您可以在运行OpenPose时使用--help命令查看所有可用的选项和其含义。 以上是使用OpenPose的基本教程。如果您想要进一步了解如何配置和使用OpenPose，可以参考OpenPose的官方文档和示例代码。 ### 回答2： OpenPose是一个开源的人体姿态估计库，它可以通过分析图像或视频来检测和估计人体的关节点和姿态。 使用OpenPose进行人体姿态估计有几个关键的步骤。首先，我们需要准备一些输入数据，可以是图像或视频。然后，我们需要配置OpenPose的参数，例如选择人体姿态的模型（正常模型或小型模型）以及设置输出结果的详细程度等。 接下来，我们可以调用OpenPose的API来进行人体姿态估计。对于每一帧图像或视频，OpenPose会检测人体的关节点（例如鼻子、眼睛、手臂等）并估计它们之间的关系，以获得一个完整的人体姿态。这些关节点的坐标信息可以用来进一步分析和应用，例如人体行为分析、动作识别等。 在使用OpenPose时，我们还可以通过设置一些参数来优化姿态估计的结果。例如，我们可以调整最小置信度阈值以过滤掉一些不可靠的关节点检测结果，或者设置人体检测的尺度参数以应对不同尺寸的输入数据。 最后，在使用OpenPose之后，我们可以根据需要进行后处理，例如绘制图像中的人体关节点和骨骼连线，或者根据关节点的位置进行进一步的计算和分析。 总的来说，OpenPose是一个强大的人体姿态估计库，可以应用于各种领域，例如人机交互、运动分析等。使用OpenPose进行人体姿态估计的主要步骤包括准备数据、配置参数、调用API进行姿态估计、优化结果以及后处理等。 ### 回答3： OpenPose是一种用于姿势估计和多人关键点检测的开源框架。下面是OpenPose的简单使用教程。 1. 安装环境：首先，我们需要安装OpenPose以及其所需的依赖项。可以直接从OpenPose的官方GitHub页面下载源代码和相关文件，并按照说明进行安装。 2. 配置参数：在运行OpenPose之前，需要配置一些参数。这些参数包括输入图像路径、模型选择、输出文件路径等。可以通过修改配置文件进行参数配置。 3. 运行OpenPose：使用命令行工具，导航到OpenPose的安装目录，并使用命令行启动OpenPose。根据你的操作系统，可能需要提供一个图像或视频作为输入。 4. 检测结果：一旦运行OpenPose，它将开始对输入图像进行姿势估计和多人关键点检测。检测完成后，结果将保存在指定的输出文件中。 5. 后续处理：根据需要，可以使用其他工具或库对OpenPose的输出结果进行后续处理。例如，可以使用OpenCV来显示和处理姿势估计结果。 OpenPose是一个功能强大且灵活的框架，可以用于各种应用，包括人体动作识别、手势识别、虚拟现实等。但是对于OpenPose的深入使用和高级功能，可能需要更多的学习和理解，例如自定义模型、数据集训练等。 总结而言，OpenPose是一个强大的开源框架，它通过姿势估计和多人关键点检测为我们提供了丰富的人体动作信息。使用OpenPose可以为人工智能和计算机视觉应用提供强大的功能和支持。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ManonLegrand

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值