CONTROLNET V1.1.410 Stable Diffusion WebUI版本——控制类型详解（OpenPose篇）

姿势识别和控制（OpenPose）

ControlNet中的OpenPose模型用途更为广泛。它可以用于从图像或视频中检测人体姿态和动作，从而为计算机视觉任务提供重要的信息。具体来说，OpenPose可以检测出图像或视频中人物的关键点，如头、肩、肘、手腕、髋、膝盖和脚踝等，这些关键点可以用于身份识别、行为分析、人体跟踪等应用。

OpenPose模型还可以与深度估计相结合，进一步扩展其在计算机视觉领域的应用。例如，通过将OpenPose与MiDaS深度信息估算或LeReS深度信息估算相结合，可以生成更为准确的深度图，从而更好地理解图像或视频中人物的动作和姿态（ControlNet提供至多三种模式的方法同时控制，进行同时影响结果，后续会有赘述）。

如下图所示：即为我们的人物的姿势识别图

ControlNet的OpenPose功能提供以下几个预处理器：

·Dw_OpenPose_Full

点击生成，我们会得到以下姿势识别图：

在ControlNet中的OpenPose模型中，Dw_OpenPose_Full预处理器是一种预处理工具，用于将输入图像转换为OpenPose模型可以处理的格式。即：优先处理姿势数据。

具体来说，Dw_OpenPose_Full预处理器可以自动检测图像中的人物，并将人物的关键点检测结果保存在一个json文件中。这个json文件包含了每个关键点的坐标信息，可以用于进一步的分析和处理。

使用Dw_OpenPose_Full预处理器可以大大简化OpenPose模型的使用流程，因为它自动完成了一些前期处理工作，如人物检测和关键点检测，使得用户可以更加方便地将OpenPose模型应用于实际场景中。

·OpenPose Pose Detection

点击生成，我们会得到以下姿势识别图：

在ControlNet中的OpenPose模型中，OpenPose Pose Detection预处理器是用于进行人物姿态检测的预处理工具。即：只处理姿势，不包含面部以及手部的数据。

具体来说，OpenPose Pose Detection预处理器可以通过对输入图像的分析，自动检测出图像中人物的姿态，并将每个姿态的关键点检测结果保存在一个json文件中。这个json文件包含了每个关键点的坐标信息，可以用于进一步的分析和处理。

使用OpenPose Pose Detection预处理器可以大大简化和加快人物姿态检测的流程，因为它自动完成了人物姿态的检测工作，使得用户可以更加方便地将OpenPose模型应用于实际的人物姿态检测任务中。

·OpenPose_Face

点击生成，我们会得到以下姿势识别图：

在ControlNet中的OpenPose模型中，OpenPose_Face预处理器是一种特殊的预处理工具，主要用于进行面部特征的检测。即：优先检测面部数据。

具体来说，OpenPose_Face预处理器在OpenPose模型的基础上增加了面部特征的检测，可以准确地检测出图像或视频中人物的面部特征，包括但不限于眼睛、鼻子、嘴巴等部位的位置和形状。通过将OpenPose_Face预处理器与OpenPose模型结合使用，可以更加准确地分析和理解图像或视频中人物的表情和情感。

此外，OpenPose_Face预处理器还可以用于一些特定的应用场景，例如面部动画的制作、面部识别系统的开发等，它可以提供更加准确和精细的面部特征信息，使得这些应用能够更加真实和自然地实现。

总之，ControlNet中的OpenPose模型的OpenPose_Face预处理器主要用于面部特征的检测，可以更加准确地分析和理解图像或视频中人物的表情和情感，并可以应用于一些特定的应用场景，例如面部动画的制作、面部识别系统的开发等。

·Open_Pose_FaceOnly

点击生成，我们会得到以下姿势识别图：

在ControlNet中的OpenPose模型中，Open_Pose_FaceOnly预处理器主要用于进行面部特征的检测，它只会检测人物的面部，而不会检测人物的其他部位，如手部、手指等。

通过Open_Pose_FaceOnly预处理器，可以更加准确地检测出图像或视频中人物的面部特征，包括眼睛、鼻子、嘴巴等部位的位置和形状。这种预处理器在某些应用场景下可能特别有用，例如在面部表情分析、面部识别等任务中，只需要关注面部特征即可。

使用Open_Pose_FaceOnly预处理器时，可以勾选“启用”、“Pixel Perfect”以及“Allow Preview”选项，然后输入正向关键词来生成图片。这样生成的图片将只包含人物的面部特征，而不包含其他身体部位的信息。

总之，ControlNet中的OpenPose模型的Open_Pose_FaceOnly预处理器主要用于进行面部特征的检测，适用于只需要关注面部特征的应用场景，如面部表情分析、面部识别等任务。

·OpenPose_hand

点击生成，我们会得到以下姿势识别图：

在ControlNet中的OpenPose模型中，OpenPose_hand预处理器用于进行手部姿态以及手指的检测。

具体来说，OpenPose_hand预处理器在OpenPose模型的基础上增加了手部姿态以及手指的检测，可以准确地检测出图像或视频中人物的手部姿态和手指位置。通过将OpenPose_hand预处理器与OpenPose模型结合使用，可以更加准确地分析和理解图像或视频中人物的手部动作和手势。

此外，OpenPose_hand预处理器还可以用于一些特定的应用场景，例如手势识别、手部动画制作等，它可以提供更加准确和精细的手部特征信息，使得这些应用能够更加真实和自然地实现。

·【Dw_OpenPose_Full】、【OpenPose Pose Detection】、【OpenPose_Face】、【Open_Pose_FaceOnly】和【OpenPose_hand】之间的区别

这五个预处理器的功能区别如下：

【Dw_OpenPose_Full】预处理器主要用于将输入的图像或视频转换为OpenPose模型可以处理的格式。它会自动检测图像或视频中人物的关键点，并将结果保存在json文件中，方便后续的分析和处理。
【OpenPose Pose Detection】预处理器主要用于进行人物姿态检测。通过对输入图像的分析，它可以自动检测出图像中人物的姿态，并保存每个姿态的关键点信息。
【OpenPose_Face】预处理器在OpenPose模型的基础上增加了面部特征的检测。它可以准确地检测出图像或视频中人物的面部特征，包括眼睛、鼻子、嘴巴等部位的位置和形状。
【Open_Pose_FaceOnly】预处理器主要用于进行面部特征的检测，它只会检测人物的面部，而不会检测人物的其他部位，如手部、手指等。这使得在某些只需要关注面部特征的应用场景中，使用【Open_Pose_FaceOnly】预处理器可以更加方便。
【OpenPose_hand】预处理器用于进行手部姿态以及手指的检测。它可以准确地检测出图像或视频中人物的手部姿态和手指位置，对于一些需要识别手部动作或手势的应用场景来说非常有用。