使用CMake制作lib文件以及Dlib机器学习库的安装和使用-亲测可行

第一步骤：使用CMake制作lib文件

CMake是一个跨平台的安装（编译）工具，可以用简单的语句来描述所有平台的安装(编译过程)。他能够输出各种各样的makefile或者project文件，能测试编译器所支持的C++特性,类似UNIX下的automake。

这里使用Dlib机器学习库做实验，进行打包实验

工具/原料

• CMake 3.2.1
• dlib-18.14
• VS2013

方法/步骤

我们下载CMake 3.2.1 ，

将dlib-18.14 解压到D盘

建立打包后的文件夹dlib_building，

源文件在dlib-18.14/dlib中，它是是Dlib软件包中的文件夹 

将路径放入CMake中

点击Generate 生成项目。(Dlib中有make文件) 

成功之后目录为

用VS2013打开 dlib.vcxproj 项目文件

右击重新生成，完成之后我们会发现在原来文件夹多了一个debug文件夹，里面就是dlib.lib文件

 只要将生成的lib文件导入工程中即可 导入步骤为如下：

注意事项

什么架构的工程生成什么工程的lib文件否则不好用

第二步骤：Dlib机器学习库的安装和使用

Dlib是一个机器学习的C++库，包含了许多机器学习常用的算法。而且文档和例子都非常详细。这里介绍该库的安装和使用

工具/原料

VS2013

dlib-18.14

CMake 3.2.1

方法/步骤

我将dlib-18.14 解压到D盘中了

开始新建一个项目，右击解决方案管理器中的该项目打开属性。在项目目录中添加 dlib- 18.14的路径

使用软件CMake软件只做Dlib.lib库文件，将其导入工程中，CMake制作lib文件的方式请参考我的上面步骤一的经验。

下面我们就需要把dlib.lib导入到原来的工程中去，右击工程选择属性修改两处地方

在工程 属性 预处理器 预处理器定义 中加入

DLIB_PNG_SUPPORT

DLIB_JPEG_SUPPORT

两项

代码测试，本人在debug win32下运行如下代码

#include <dlib/image_processing/frontal_face_detector.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)
{
    try
    {
        if (argc == 1)
        {
            cout << "Give some image files as arguments to this program." << endl;
            return 0;
        }

        frontal_face_detector detector = get_frontal_face_detector();//定义一个frontal_face_detctor类的实例detector，用get_frontal_face_detector函数初始化该实例
        image_window win;//一个显示窗口

        // Loop over all the images provided on the command line.
        // 循环所有的图片
        for (int i = 1; i < argc; ++i)
        {
            cout << "processing image " << argv[i] << endl;
            array2d<unsigned char> img;
            load_image(img, argv[i]);// 加载一张图片，从argv[i](图片路劲)加载到变量img
            // Make the image bigger by a factor of two.  This is useful since
            // the face detector looks for faces that are about 80 by 80 pixels
            // or larger.  Therefore, if you want to find faces that are smaller
            // than that then you need to upsample the image as we do here by
            // calling pyramid_up().  So this will allow it to detect faces that
            // are at least 40 by 40 pixels in size.  We could call pyramid_up()
            // again to find even smaller faces, but note that every time we
            // upsample the image we make the detector run slower since it must
            // process a larger image.
            /*确保检测图片是检测器的两倍。这第一点是十分有用的，因为脸部检测器搜寻的人脸大小是80*80或者更大。
            因此，如果你想找到比80*80小的人脸，需要将检测图片进行上采样，我们可以调用pyramid_up()函数。
            执行一次pyramid_up()我们能检测40*40大小的了，如果我们想检测更小的人脸，那还需要再次执行pyramid_up()函数。
            注意，上采样后，速度会减慢！*/
            pyramid_up(img);//对图像进行上采用，检测更小的人脸

            // Now tell the face detector to give us a list of bounding boxes
            // around all the faces it can find in the image.
            //开始检测，返回一系列的边界框
            std::vector<rectangle> dets = detector(img);//detector（）函数检测人脸，返回一系列边界盒子

            cout << "Number of faces detected: " << dets.size() << endl;//dets.size 人脸数量
            // Now we show the image on the screen and the face detections as
            // red overlay boxes.
            // 在原图片上显示结果
            win.clear_overlay();
            win.set_image(img);
            win.add_overlay(dets, rgb_pixel(255, 0, 0));

            cout << "Hit enter to process the next image..." << endl;
            cin.get();
        }
    }
    catch (exception& e)
    {
        cout << "\nexception thrown!" << endl;
        cout << e.what() << endl;
    }
}

会出现一系列的错误

错误	28	error LNK1120: 26 个无法解析的外部命令	F:\VS2012\Test1\ConsoleApplication33\Debug\ConsoleApplication33.exe	1	1	ConsoleApplication33

错误	25	error LNK2019: 无法解析的外部符号 "private: unsigned char const * __thiscall dlib::png_loader::get_row(unsigned int)const " (?get_row@png_loader@dlib@@ABEPBEI@Z)，该符号在函数 "public: void __thiscall dlib::png_loader::get_image<class dlib::array2d<unsigned char,class dlib::memory_manager_stateless_kernel_1<char> > >(class dlib::array2d<unsigned char,class dlib::memory_manager_stateless_kernel_1<char> > &)const " (??$get_image@V?$array2d@EV?$memory_manager_stateless_kernel_1@D@dlib@@@dlib@@@png_loader@dlib@@QBEXAAV?$array2d@EV?$memory_manager_stateless_kernel_1@D@dlib@@@1@@Z) 中被引用	F:\VS2012\Test1\ConsoleApplication33\ConsoleApplication33\源.obj	ConsoleApplication33

错误	13	error LNK2019: 无法解析的外部符号 "protected: void __thiscall dlib::scrollable_region::set_total_rect_size(unsigned long,unsigned long)" (?set_total_rect_size@scrollable_region@dlib@@IAEXKK@Z)，该符号在函数 "public: void __thiscall dlib::image_display::set_image<class dlib::array2d<unsigned char,class dlib::memory_manager_stateless_kernel_1<char> > >(class dlib::array2d<unsigned char,class dlib::memory_manager_stateless_kernel_1<char> > const &)" (??$set_image@V?$array2d@EV?$memory_manager_stateless_kernel_1@D@dlib@@@dlib@@@image_display@dlib@@QAEXABV?$array2d@EV?$memory_manager_stateless_kernel_1@D@dlib@@@1@@Z) 中被引用	F:\VS2012\Test1\ConsoleApplication33\ConsoleApplication33\源.obj	ConsoleApplication33

等等，一共20多个错误，后来在网上发现是CMAKE生成dlib.lib的时候默认的是debug x64，而我却在debug win32下配置，所以说框架不匹配了，就会出现错误，然后我又在debug x64上面进行dlib配置，配置过程如下：

最后选择确定，这就是选择debug x64的过程

然后打开项目属性，如下图：

代开属性，找到VC++目录下，进行包含目录、引用目录、库目录的dlib配置

根据自己dlib-18.14所放的路径进行配置，最好不要手动输入，用鼠标直接点到所需要的路径，防止出错

根据最上面的步骤二Dlib机器学习库的安装和使用进行dlib最后三项配置

最后因为测试的代码中需要进行参数设置，还需要进行参数设置，即所用到的检测的人来那图片的图片名，本文用1.jpg

测试图片如下：

注意，测试图片要放在源.CPP同一文件夹下

一切准备就绪，重新调试代码，最终没有出错

运行的时候，人脸检测比较慢，可以稍微等一下，最终的运行结果效果图如下：

彩色变成灰色了，代码可能需要修改，总之dlib配置算是成功了，CMAKE生成lib是一定要与VS的编译器一致，要不然错误很多，反正我CMAKE编译时，选择的是默认的，没想到默认的编译器不是debug win32，而是debug x64真是出乎我的意料

还有什么不清楚的请小伙伴留言询问，可能有的地方描述的还不到位！！！

参考：http://jingyan.baidu.com/article/25648fc18083af9191fd00b2.html

参考：http://jingyan.baidu.com/article/48b37f8d0461831a6464889c.html