Dlib 19.2+VS2015 人脸对齐

今天再接再厉运行了人脸的landmark，进行了人脸对齐：配置环境什么的我就不说了，在我上一篇博客：http://blog.youkuaiyun.com/qq_22764813/article/details/53053232中有介绍。

注意：有时候新建工程，出不来以下这一栏（如下图所示）：

解决的方法，就是先加入source.cpp,这个点好像在人脸检测中有遗漏，如果你的库都加载好了，但是就是运行有bug，此时可能就是你没有加入source文件。在我的工程中我是按下图方式加载的：

如上图所示，就可以了，也不用担心找不到相应的“C\C++”了。

下面是加入命名参数 的图示：

具体操作：在http://download.youkuaiyun.com/detail/sunmc1204953974/9289921上下载model，解压，然后将文件的绝对路径加入到命名参数当中，然后空格，加入相应的图片文件名的绝度路径。这样就可以执行了。

下面是我运行使用的人脸68个标注点的代码：

 

#include<dlib\image_processing\frontal_face_detector.h>
#include<dlib\image_processing\render_face_detections.h>
#include<dlib\image_processing.h>
#include<dlib\gui_widgets.h>
#include<dlib\image_io.h>

#include<iostream>

using namespace dlib;
using namespace std;

int main(int argc, char** argv)
{
	//这个例子需要一系列的形状模型和一系列的图片
	try
	{
		if (argc == 1)
		{
			cout << "Call this program like this:" << endl;
			cout << "./face_landmark_detection_ex shape_predictor_68_face_landmarks.dat faces/*.jpg" << endl;
			cout << "\nYou can get the shape_predictor_68_face_landmarks.dat file from:\n";
			cout << "http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2" << endl;//从这个地址下载模型标记点数据  
			return 0;
		}
		//需要一个人脸检测器
		frontal_face_detector detector = get_frontal_face_detector();
		
		//也需要一个形状预测器，这是一个工具用来预测给定的图片和脸边界框的标记点的位置。
		//这里我们仅仅从shape_predictor_68_face_landmarks.dat文件加载模型 
		shape_predictor sp;//定义个shape_predictor类的实例
		deserialize(argv[1]) >> sp;

		image_window win, win_faces;
		//循环所有图片
		cout << "processing image " << argv[2] << endl;
         
		array2d<rgb_pixel> img;//注意变量类型 rgb_pixel 三通道彩色图像  
		load_image(img, argv[2]);
		// Make the image larger so we can detect small faces.  
		pyramid_up(img);

		std::vector<rectangle> dets = detector(img);//检测人脸，获得边界框  
		cout << "Number of faces detected: " << dets.size() << endl;//检测到人脸的数量

		std::vector<full_object_detection> shapes;//注意形状变量的类型，
		for (unsigned long j = 0; j < dets.size(); ++j)
		{
			full_object_detection shape = sp(img, dets[j]);//预测姿势，注意输入是两个，一个是图片，另一个是从该图片检测到的边界框  
			cout << "number of parts: " << shape.num_parts() << endl;
			//cout << "pixel position of first part:  " << shape.part(0) << endl;//获得第一个点的坐标,注意第一个点是从0开始的  
			//cout << "pixel position of second part: " << shape.part(1) << endl;//获得第二个点的坐标  
			/*自己改写，打印出全部68个点*/
			for (int i = 1; i < 69; i++)
			{
				cout << "第 " << i << " 个点的坐标： " << shape.part(i - 1) << endl;
			}
			// You get the idea, you can get all the face part locations if  
			// you want them.  Here we just store them in shapes so we can  
			// put them on the screen.  
			shapes.push_back(shape);
		}
		 
		//**** 显示结果  
		win.clear_overlay();
		win.set_image(img);
		win.add_overlay(render_face_detections(shapes));

		//****我们也能提取每张剪裁后的人脸的副本，旋转和缩放到一个标准尺寸  
		dlib::array<array2d<rgb_pixel> > face_chips;
		extract_image_chips(img, get_face_chip_details(shapes), face_chips);
		win_faces.set_image(tile_images(face_chips));

		cout << "Hit enter to process the next image..." << endl;
		cin.get();

	}
	catch (exception& e)
	{
		cout << "\nexception thrown!" << endl;
		cout << e.what() << endl;
	}
}

运行后的效果图：

 

结果分析：这个比我之前训练的FPS 3000效果好太多了，都有点不敢相信。But 人脸检测的速度依然很慢，所以接下来会试着想办法改进实验的速度，特别是人脸检测这一块。
文章参考：http://blog.youkuaiyun.com/sunshine_in_moon/article/details/50150435