lightweight openpose人体姿态估计多线程实现实时性，python代码实现

首先需要安装 OpenCV 和 OpenPose 库，可以使用以下命令进行安装：

pip install opencv-python
pip install opencv-contrib-python
pip install opencv-python-headless
pip install opencv-contrib-python-headless
pip install pyopenpose

接着可以使用以下代码进行多线程实现实时性的人体姿态估计：

import cv2
import numpy as np
import pyopenpose as op
import threading
import time

class OpenPoseThread(threading.Thread):
    def __init__(self, opWrapper, img):
        threading.Thread.__init__(self)
        self.opWrapper = opWrapper
        self.img = img
        self.opWrapper.start()
        self.datum = op.Datum()

    def run(self):
        self.datum.cvInputData = self.img
        self.opWrapper.emplaceAndPop([self.datum])

class VideoThread(threading.Thread):
    def __init__(self):
        threading.Thread.__init__(self)
        self.cap = cv2.VideoCapture(0)
        self.ret, self.frame = self.cap.read()
        self.opWrapper = op.WrapperPython()
        self.opWrapper.configure({"model_folder": "/path/to/openpose/models/", "disable_multi_thread": True})
        self.opWrapper.start()
        self.stop = False

    def run(self):
        while not self.stop:
            ret, frame = self.cap.read()
            opThread = OpenPoseThread(self.opWrapper, frame)
            opThread.start()
            opThread.join()
            pose_keypoints = self.opWrapper.getPoseKeypoints()
            cv2.imshow("OpenPose", self.datum.cvOutputData)
            if cv2.waitKey(1) & 0xFF == ord('q'):
                self.stop = True
        self.cap.release()
        cv2.destroyAllWindows()

if __name__ == '__main__':
    videoThread = VideoThread()
    videoThread.start()
    time.sleep(10)
    videoThread.stop = True
    videoThread.join()

上述代码中，使用 `OpenPoseThread` 类和 `VideoThread` 类分别处理 OpenPose 的多线程实现和视频的读取和显示。`OpenPoseThread` 类用于执行 OpenPose 的姿态估计，`VideoThread` 类用于读取视频并显示结果。可以使用 `disable_multi_thread` 参数来关闭 OpenPose 的多线程实现，这样可以避免线程之间的竞争导致的性能问题。

在 `VideoThread` 的 `run` 方法中，循环读取视频帧并启动 `OpenPoseThread` 线程进行姿态估计。在 `OpenPoseThread` 线程中，将视频帧作为输入数据传递给 OpenPose 并执行姿态估计。姿态估计完成后，将输出结果传递回 `VideoThread` 线程并显示结果。

最后，使用 `cv2.imshow` 来显示视频帧。可以使用 `cv2.waitKey` 来等待用户按下 'q' 键来停止程序的运行。