ntizar 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)
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
# 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.jpgdebe abrir la ventana con el esqueleto dibujado sobre la persona- El JSON de salida contiene
part_candidatesypeoplecon 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 — 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 — 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.