ONNX Runtime 跑 OpenPose 超详细讲解

一、先搞懂 3 个核心概念（必须懂）

1. OpenPose 是什么？

一个**能检测出人体关节点（鼻子、脖子、肩膀、手肘、腰、膝盖...）**的 AI 模型。

我们要的就是它输出的关节坐标，用来判断摔倒、打架、攀爬。

2. ONNX 是什么？

一种通用的 AI 模型格式 。

就像：

视频有 MP4

图片有 JPG

AI 模型有 ONNX

任何 AI 模型（OpenPose、YOLO、姿态估计...）转成 ONNX 后，所有平台都能跑。

3. ONNX Runtime 是什么？

专门用来运行 ONNX 模型的 "引擎" 。

你可以理解为：

看电影用 → 播放器

跑 ONNX 模型用 → ONNX Runtime

它的作用：
加载 OpenPose.onnx → 运行 AI 计算 → 输出人体关键点

二、为什么要用 ONNX Runtime 跑 OpenPose？

官方 OpenPose 超级难装：

要 C++ 编译

要配 CUDA

要装各种依赖

90% 的人都会报错卡死

ONNX Runtime 优点：

一行命令安装

不挑系统（Windows/Linux/macOS 都能用）

速度快

代码超级简单

最适合做校园危险行为识别

三、完整流程（一句话）

读取图片 / 视频 → 预处理 → ONNX Runtime 运行 OpenPose 模型 → 得到人体关节点 → 判断危险行为

四、手把手教你：安装 + 代码 + 原理讲解

第一步：安装依赖（仅 2 个库）

打开命令提示符，运行：

|------------------------------------------------------------------------------------------|
| bash # 安装运行模型的引擎 pip install onnxruntime # 安装读取摄像头/视频的工具 pip install opencv-python numpy |

这就是全部环境！不用装别的！

五、ONNX Runtime 加载 OpenPose 模型详细解释

我给你完整可运行代码 + 逐行详细解释，你复制就能跑。

完整代码

|---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| python import cv2 import numpy as np import onnxruntime as ort # ====================== # 1. 加载 OpenPose 模型（最重要！） # ====================== # 这行代码的意思： # 创建一个推理会话，把 openpose.onnx 读进内存，准备运行 session = ort.InferenceSession("openpose.onnx") # 查看模型输入名称（必须知道，不然无法运行） input_name = session.get_inputs() $0$ .name print("模型输入名称:", input_name) # 一般是：input.1 # ====================== # 2. 打开摄像头 # ====================== cap = cv2.VideoCapture(0) # ====================== # 3. 循环读取每一帧 # ====================== while True: ret, frame = cap.read() if not ret: break H, W = frame.shape $:2$ # ====================== # 4. 图片预处理（必须做，模型要求输入固定大小） # ====================== img = cv2.resize(frame, (368, 368)) # 模型固定输入尺寸 img = img.astype(np.float32) / 255.0 # 归一化 0~1 img = img.transpose(2, 0, 1) # 格式从 HWC → CHW img = np.expand_dims(img, axis=0) # 增加 batch 维度 → $1, 3, 368, 368$ # ====================== # 5. ONNX Runtime 运行模型！！！ # 核心：把图片送进 OpenPose 模型，得到输出 # ====================== output = session.run( None, # 要输出哪些层？None=全部输出 {input_name: img} # 输入：{输入名称: 预处理后的图片} ) # output 是模型输出的热图(heatmap) + 向量图(vecmap) # OpenPose 通过这两个数据计算出关节点坐标 heatmap = output $0$ # 关键点置信度图 vecmap = output $1$ # 关键点连接方向图 # ====================== # 6. 解析关节点（得到人体姿态） # ====================== # 这里我写一个简化版解析函数 def get_keypoints(heatmap, orig_h, orig_w): points = \[\] num_keypoints = heatmap.shape $1$ for i in range(num_keypoints): map = heatmap $0, i, :, :$ y, x = np.unravel_index(np.argmax(map), map.shape) # 还原到原图尺寸 x = int(x * orig_w / 368) y = int(y * orig_h / 368) points.append((x, y)) return points keypoints = get_keypoints(heatmap, H, W) # ====================== # 7. 画出关节点 # ====================== for (x, y) in keypoints: cv2.circle(frame, (x, y), 5, (0, 255, 0), -1) # 显示画面 cv2.imshow("OpenPose ONNX Runtime", frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows() |

六、逐行核心代码超详细解释（你最需要的）

1. 加载模型

|--------------------------------------------------------|
| python session = ort.InferenceSession("openpose.onnx") |

意思：
把 OpenPose 这个 AI 模型加载到内存中，随时可以运行。

2. 获取模型输入名称

|----------------------------------------------------|
| python input_name = session.get_inputs() $0$ .name |

模型必须知道：你给它的数据叫什么名字

OpenPose 模型的输入名一般是：
input.1

3. 图片预处理

|------------------------------------------------------------------------------------------------------------------------------------------------|
| python img = cv2.resize(frame, (368, 368)) img = img.astype(np.float32) / 255.0 img = img.transpose(2, 0, 1) img = np.expand_dims(img, axis=0) |

作用：
把摄像头图片变成模型能识别的格式

4. 运行模型（最核心）

|------------------------------------------------------|
| python output = session.run(None, {input_name: img}) |

这句话的意思：
把图片送进 OpenPose → 模型计算 → 返回关节点信息

5. 解析输出得到关键点

|------------------------------|
| python heatmap = output $0$ |

heatmap 里存的是：

鼻子、脖子、肩膀、手肘、腰、膝盖、脚踝......
所有关节的位置

七、你拿到关键点后能做什么？（校园危险行为）

|------------------------------------------------------------------------|
| Plain Text 鼻子脖子左肩 → 左肘 → 左手腕右肩 → 右肘 → 右手腕腰 → 左膝 → 左脚踝腰 → 右膝 → 右脚踝 |

用这些坐标可以判断：

摔倒：腰的坐标突然变低

打架：两个人手腕距离过近 + 快速移动

攀爬：手超过护栏高度，腿悬空

追逐：移动速度过快

聚众：3 人以上靠得太近

八、使用

可用的 openpose.onnx 模型文件（你直接放代码同目录就能跑）

完整可运行、带关键点绘制的代码

校园危险行为判断逻辑代码（摔倒 / 打架 / 攀爬）