如何对基于RK3399的OPENPOSE进行开发设计呢

1.快速上手
1 准备3399pro开发板一块，USB摄像头一个，usb键盘，usb鼠标，hdmi显示屏，网线
2 连接USB摄像头到3399pro开发板，连接鼠标键盘，连接显示器，连接网线，接通电源
3 模型下载，建议在PC上做

若报cv2.dnn错误，这是opencv版本低的问题，需要升级opencv到3.4.1以上版本（不包含3.4.1），若报" ValueError: not enough values to unpack (expected 3, got 2) "这是原脚本问题，需要将代码"_, contours, _ = cv2.findContours"改为"contours, _ = cv2.findContours"
python3 multi-person-openpose.py为可选操作，报错不影响后续运行
4 修改pose/coco/pose_deploy_linevec.prototxt文件,注销前5行代码，新增一个layer层，如下图所示
5 下载并解压附件，将附件中的所有文件（5个文件）拷贝到到OpenPose-Multi-Person目录下
6 python3 rknn_transfer.py进行模型转换，模型转化比较耗内存建议先设置swap大于2G
7 拷贝OpenPose-Multi-Person目录到开发板，以下操作在开发板运行
8 安装rknn-toolkit及其依赖库，按照wiki教程安装环境
9 安装gstreamer包

10 python3 test_rnetCam.py（单人）或者python3 multi-person-openpose_rknn-cam.py（多人）

2.概述
VGG-19用于生成特征值。每个stage对应一个身体部位，branch1用于生产Confidence Maps，branch2用于生产PAF(Part Affinity maps )
Input: [1x3x368x368]（输入的数据format是nchw，bgr格式）
Output: [1x57x46x46]（输出数据前面部分是身体部位的Confidence Maps ，后面部分是PAF）

3.代码解析
├── pose_deploy_linevec_pre_compile.rknn.rknn //转换之后的rknn模型
├── dataset.txt //量化的数据集
├── p1_368_368.jpg //用于量化的图片
├── multi-person-openpose_rknn-cam.py //使用rknn进行推理，以及后处理（多人）
├── test_rnetCam.py //使用rknn进行推理，以及后处理（单人）
└── rknn_transfer.py //用于将caffe模型转换为rknn模型
rknn_transfer.py