add README to RealTimeHumanSeg python solution

contrib/RealTimeHumanSeg/python/README.md

+# 实时人像分割Python预测部署方案
+
+本方案基于Python实现，最小化依赖并把所有模型加载、数据预处理、预测、光流处理等后处理都封装在文件`infer.py`中，用户可以直接使用或集成到自己项目中。
+
+
+## 前置依赖
+- Windows(7,8,10) / Linux (Ubuntu 16.04) or MacOS 10.1+
+- Paddle 1.6.1+ 
+- Python 3.0+
+
+注意：
+1. 仅测试过Paddle1.6 和 1.7, 其它版本不支持
+2. MacOS上不支持GPU预测
+3. Python2上未测试
+
+其它未涉及情形，能正常安装`Paddle` 和`OpenCV`通常都能正常使用。
+
+
+## 安装依赖
+### 1. 安装paddle
+
+PaddlePaddle的安装, 请按照[官网指引](https://paddlepaddle.org.cn/install/quick)安装合适自己的版本。
+
+### 2. 安装其它依赖
+
+执行如下命令
+
+```shell
+pip install -r requirements.txt
+```
+
+## 运行
+
+
+1. 输入图片进行分割
+```
+python infer.py --model_dir /PATH/TO/INFERENCE/MODEL --img_path /PATH/TO/INPUT/IMAGE
+```
+
+预测结果会保存为`result.jpeg`。
+2. 输入视频进行分割
+```shell
+python infer.py --model_dir /PATH/TO/INFERENCE/MODEL --video_path /PATH/TO/INPUT/VIDEO
+```
+
+预测结果会保存在`result.avi`。
+
+3. 使用摄像头视频流
+```shell
+python infer.py --model_dir /PATH/TO/INFERENCE/MODEL --use_camera 1
+```
+预测结果会通过可视化窗口实时显示。
+
+**注意：**
+
+
+`GPU`默认关闭, 如果要使用`GPU`进行加速，则先运行
+```
+export CUDA_VISIBLE_DEVICES=0
+```
+然后在前面的预测命令中增加参数`--use_gpu 1`即可。