Windows 10环境下STGCN与OpenPose 1.5.0的GPU部署实战

1. 环境准备：搭建STGCN与OpenPose的GPU开发环境

在Windows 10上部署STGCN和OpenPose 1.5.0，首先要搞定基础环境。我去年给公司做行为识别项目时就踩过不少坑，这里把最稳妥的配置方案分享给大家。关键是要注意版本匹配——PyTorch 1.2.0和Python 3.5.2这个组合现在看起来有点老，但这是保证STGCN稳定运行的必要条件。

先装Anaconda3作为环境管理器，建议下载2020年左右的版本（比如Anaconda3-2020.02），新版本可能会引发依赖冲突。创建环境时用这个命令：

conda create --name pytorch1.2.0 python=3.5.2

OpenPose 1.5.0的安装有个隐藏坑点：官方提供的Python API在Windows下经常找不到动态链接库。实测有效的解决方案是：

1. 编译完成后，把build/bin里的所有.dll文件复制到build/x64/Release
2. 将整个models文件夹也复制到build目录
3. 最后设置环境变量PATH包含OpenPose的Release目录路径

2. 依赖安装：解决那些令人头疼的版本冲突

激活环境后，PyTorch的安装要注意wheel文件命名规则。以我的RTX 2070显卡为例，正确的安装命令应该是：

pip install torch-1.2.0+cu92-cp35-cp35m-win_amd64.whl pip install torchvision-0.4.0+cu92-cp35-cp35m-win_amd64.whl

这里cu92表示CUDA 9.2，如果你的显卡驱动支持CUDA 10，要对应修改版本号。

遇到经典的PILLOW_VERSION报错时，别急着升级Python版本。我试过至少三种解决方案，最有效的是：

pip uninstall pillow pip install pillow==5.2.0

ffmpeg的安装必须用conda而不是pip，因为pip源里的1.4版本会导致视频解析失败：

conda install -c conda-forge ffmpeg

3. 模型部署：那些官方文档没告诉你的细节

STGCN需要两个关键模型文件：

• st_gcn.kinetics.pt（主模型）
• pose_iter_440000.caffemodel（OpenPose的COCO模型）

存放路径有讲究：

1. 主模型放在st-gcn/models目录下
2. COCO模型要放在st-gcn/models/pose/coco，注意这个路径是相对于项目根目录的

有个容易忽略的点：OpenPoseDemo.exe的路径不能包含中文和空格。我遇到过路径中有"1.5.0"字样导致API调用失败的情况，后来把文件夹重命名为纯英文就解决了。

4. 实战测试：让模型真正跑起来的技巧

修改demo_old.py时要注意Windows和Linux的路径差异：

# 原代码 openpose = '{}/examples/openpose/openpose.bin'.format(self.arg.openpose) # 修改为 openpose = '{}/OpenPoseDemo.exe'.format(self.arg.openpose)

运行测试视频时，建议先用静态图片测试。把jpg文件改后缀为mp4放在resource/media下，用这个命令测试：

python main.py demo_old --openpose E:/openpose/build/x64/Release --video test.mp4

如果遇到CUDA内存不足，可以尝试在demo_old.py里调小--batch_size参数。我的GTX 1060 6G显卡设置batch_size=8能稳定运行。

最后提醒大家，整个过程最耗时的不是模型推理，而是OpenPose的姿态估计。实测一段10秒的视频，在i7-9700K+RTX 2070的机器上要处理近2分钟。可以考虑先用OpenPose批量处理视频生成关键点数据，再用STGCN进行分析，这样效率能提升3-5倍。