OpenPose是一个由美国卡耐基梅隆大学（CMU）开发并开源的人体姿态识别库，基于深度学习的卷积神经网络和监督学习，以Caffe为框架。它实现了对动作、表情和手指运动的精确估计，适用于单人和多人场景，具有极高的鲁棒性。作为首个基于深度学习的实时多人二维姿态识别工具，其应用范围广泛，如抖音的尬舞机，以及体育健身、动作捕捉、3D试衣和舆情监测等领域。

此项目具有丰富的应用场景，包括：抖音的舞蹈动作识别、体育动作教学中的技术辅助、3D健身教练的互动、虚拟试衣的3D模拟，甚至游戏人物动作的采集。为了方便中国开发者，已将项目README文档翻译成中文，以促进本地社区的发展和学习。

OpenPose的技术基础源于曹哲、Tomas Simon等人在CVPR 2017年发表的Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields。其功能特点包括：精确的人体躯干、脸部、手部和关键点识别，甚至支持三维重建。此外，文档详细介绍了Windows版本的下载、安装指南，以及如何快速启动Demo、查看输出格式和优化性能的方法。

该项目由Gines Hidalgo、Zhe Cao等人创建，目前由Gines Hidalgo和Yaadhav Raaj维护。原版CVPR 2017代码库包含Matlab和Python版本，以及模型训练代码。对于开源社区的贡献者，我们非常感谢，他们的名字可在doc/contributors.md中找到。

如果您的研究受到OpenPose的帮助，请在引用中提及（例如：人脸关键点识别采用的是[Simon et al. 2017]的训练方法）。非商业使用是免费的，而对于商业使用，详情请参考license。关于商业应用的咨询，可以联系Yaser Sheikh。