Dlib example运行

转载请注明出处：http://blog.csdn.net/ouyangying123/article/details/70850533

本文章主要进行dlib中....\dlib-18.18\examples下的三个例子的实现。

本小白用的是：VS2013 + dlib18.18 + opencv2.4.11

1.opencv用于读取数据源（待测图片、视频、摄像机等）。

2.dlib用于人脸检测，特征点检测等。

3.dlib环境配置在上一篇文章已介绍，接下来加上opencv的环境即可运行：

4.还需从官网上下一个人脸训练数据： shape_predictor_68_face_landmarks.dat

5.一定要是Release模式下，Debug模式的摄像机一帧的检测速度慢到难以置信。

Opencv配置

下载opencv，配置属性如下：

VC++目录->包含目录：...\opencv\build\include

VC++目录->库目录：...\opencv\build\x86\vc12\lib  (vs2013 对应vc12  x86对应win32系统)

链接器->输入->附加依赖项（release模式）：

opencv_calib3d2411.lib
opencv_contrib2411.lib
opencv_core2411.lib
opencv_features2d2411.lib
opencv_flann2411.lib
opencv_gpu2411.lib
opencv_highgui2411.lib
opencv_imgproc2411.lib
opencv_legacy2411.lib
opencv_ml2411.lib
opencv_nonfree2411.lib
opencv_objdetect2411.lib
opencv_ocl2411.lib
opencv_photo2411.lib
opencv_stitching2411.lib
opencv_superres2411.lib
opencv_ts2411.lib
opencv_video2411.lib
opencv_videostab2411.lib

三个例子：

face_detection_ex ：图像人脸检测

copy文件....\dlib-18.18\examples\face_detection_ex .cpp

上代码：

[cpp]  view plain  copy

1. #include <dlib/image_processing/frontal_face_detector.h>  
2. #include <dlib/gui_widgets.h>  
3. #include <dlib/image_io.h>  
4. #include <iostream>  
5.   
6. using namespace dlib;  
7. using namespace std;  
8.   
9.   
10. int main(int argc, char** argv)  
11. {    
12.     try  
13.     {  
14.         if (argc == 1)  
15.         {  
16.             cout << "Give some image files as arguments to this program." << endl;  
17.             return 0;  
18.         }  
19.   
20.         frontal_face_detector detector = get_frontal_face_detector();  
21.         image_window win;  
22.   
23.         // Loop over all the images provided on the command line.  
24.         for (int i = 1; i < argc; ++i)  
25.         {  
26.             cout << "processing image " << argv[i] << endl;  
27.             array2d<unsigned char> img;  
28.             load_image(img, argv[i]);  
29.   
30.             pyramid_up(img);  
31.   
32.             // Now tell the face detector to give us a list of bounding boxes  
33.             // around all the faces it can find in the image.  
34.             std::vector<rectangle> dets = detector(img);  
35.   
36.             cout << "Number of faces detected: " << dets.size() << endl;  
37.             // Now we show the image on the screen and the face detections as  
38.             // red overlay boxes.  
39.             win.clear_overlay();  
40.             win.set_image(img);  
41.             win.add_overlay(dets, rgb_pixel(255,0,0));  
42.   
43.             cout << "Hit enter to process the next image..." << endl;  
44.             cin.get();  
45.         }  
46.     }  
47.     catch (exception& e)  
48.     {  
49.         cout << "\nexception thrown!" << endl;  
50.         cout << e.what() << endl;  
51.     }  
52.     system("pause");  
53. }  

右键生成后，把faces文件夹（...\dlib-18.18\examples\faces）复制到该项目的Release文件夹下，使用命令行进入该项目的Release目录下，运行该命令：

face_detection_ex.exe faces/2008_001322.jpg
上结果：

face_landmark_detection_ex ：图像人脸特征点提取

copy文件....\dlib-18.18\examples\face_landmark_detection_ex.cpp

上代码：

[cpp]  view plain  copy

1. #include <dlib/image_processing/frontal_face_detector.h>  
2. #include <dlib/image_processing/render_face_detections.h>  
3. #include <dlib/image_processing.h>  
4. #include <dlib/gui_widgets.h>  
5. #include <dlib/image_io.h>  
6. #include <dlib/opencv.h>    
7. #include <iostream>  
8.   
9. #include <opencv2/opencv.hpp>   
10. using namespace dlib;  
11. using namespace std;  
12.   
13.   
14.   
15. int main(int argc, char** argv)  
16. {    
17.     try  
18.     {  
19.         // This example takes in a shape model file and then a list of images to  
20.         // process.  We will take these filenames in as command line arguments.  
21.         // Dlib comes with example images in the examples/faces folder so give  
22.         // those as arguments to this program.  
23.         if (argc == 1)  
24.         {  
25.             cout << "Call this program like this:" << endl;  
26.             cout << "./face_landmark_detection_ex shape_predictor_68_face_landmarks.dat faces/*.jpg" << endl;  
27.             cout << "\nYou can get the shape_predictor_68_face_landmarks.dat file from:\n";  
28.             cout << "http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2" << endl;  
29.             return 0;  
30.         }  
31.         std::cout <<"argc:"<< argc << std::endl;  
32.         // We need a face detector.  We will use this to get bounding boxes for  
33.         // each face in an image.  
34.         frontal_face_detector detector = get_frontal_face_detector();  
35.         // And we also need a shape_predictor.  This is the tool that will predict face  
36.         // landmark positions given an image and face bounding box.  Here we are just  
37.         // loading the model from the shape_predictor_68_face_landmarks.dat file you gave  
38.         // as a command line argument.  
39.         shape_predictor sp;  
40.         std::cout << "argv[1]:"<< argv[1] << std::endl;  
41.         deserialize(argv[1]) >> sp;  
42.   
43.   
44.         image_window win;// win_faces;  
45.         // Loop over all the images provided on the command line.  
46.         for (int i = 2; i < argc; ++i)  
47.         {  
48.             cout << "processing image " << argv[i] << endl;  
49.             array2d<rgb_pixel> img;  
50.             load_image(img, argv[i]);  
51.             // Make the image larger so we can detect small faces.  
52.             pyramid_up(img);  
53.   
54.             // Now tell the face detector to give us a list of bounding boxes  
55.             // around all the faces in the image.  
56.             std::vector<rectangle> dets = detector(img);  
57.             cout << "Number of faces detected: " << dets.size() << endl;  
58.   
59.             // Now we will go ask the shape_predictor to tell us the pose of  
60.             // each face we detected.  
61.             std::vector<full_object_detection> shapes;  
62.             for (unsigned long j = 0; j < dets.size(); ++j)  
63.             {  
64.                 full_object_detection shape = sp(img, dets[j]);  
65.                 cout << "number of parts: "<< shape.num_parts() << endl;  
66.                 cout << "pixel position of first part:  " << shape.part(0) << endl;  
67.                 cout << "pixel position of second part: " << shape.part(1) << endl;  
68.                 // You get the idea, you can get all the face part locations if  
69.                 // you want them.  Here we just store them in shapes so we can  
70.                 // put them on the screen.  
71.                 shapes.push_back(shape);  
72.                 cv::Mat temp = dlib::toMat(img);  
73.   
74.                 for (int k = 0; k < 68; ++k){  
75.                     circle(temp, cvPoint(shapes[j].part(k).x(), shapes[j].part(k).y()), 3, cv::Scalar(0, 0, 255), -1);  
76.                 }  
77.             }  
78.   
79.             // Now let's view our face poses on the screen.  
80.             win.clear_overlay();  
81.             win.set_image(img);  
82.             //win.add_overlay(render_face_detections(shapes));  
83.   
84.              We can also extract copies of each face that are cropped, rotated upright,  
85.              and scaled to a standard size as shown here:  
86.             //dlib::array<array2d<rgb_pixel> > face_chips;  
87.             //extract_image_chips(img, get_face_chip_details(shapes), face_chips);  
88.             //win_faces.set_image(tile_images(face_chips));  
89.   
90.             cout << "Hit enter to process the next image..." << endl;  
91.             cin.get();  
92.         }  
93.     }  
94.     catch (exception& e)  
95.     {  
96.         cout << "\nexception thrown!" << endl;  
97.         cout << e.what() << endl;  
98.     }  
99.     system("pause");  
100. }  

把shape_predictor_68_face_landmarks.dat文件 和 faces文件夹（...\dlib-18.18\examples\faces）复制到该项目的Release文件夹下，使用命令行进入该项目的Release目录下，运行该命令：

face_landmark_detection_ex.exe shape_predictor_68_face_landmarks.dat faces/2008_001322.jpg

上结果：

webcam_face_pose_ex： 摄像机人脸特征点提取

copy文件....\dlib-18.18\examples\webcam_face_pose_ex.cpp

把shape_predictor_68_face_landmarks.dat文件复制到webcam_face_pose_ex.cpp所在目录下

上代码：（需要有摄像头，添加了使用opencv画点的代码）

其中

cap.set(CV_CAP_PROP_FRAME_WIDTH, 640);

cap.set(CV_CAP_PROP_FRAME_HEIGHT, 480);

用于设置摄像头分辨率。

#define RATIO 1
#define SKIP_FRAMES 2

用于加速检测

[cpp]  view plain  copy

1. #include <dlib/opencv.h>  
2. #include <opencv2/opencv.hpp>  
3. #include <dlib/image_processing/frontal_face_detector.h>  
4. #include <dlib/image_processing/render_face_detections.h>  
5. #include <dlib/image_processing.h>  
6. #include <dlib/gui_widgets.h>  
7.   
8. using namespace dlib;  
9. using namespace std;  
10.   
11. #define RATIO 1  
12. #define SKIP_FRAMES 2  
13. int main()  
14. {  
15.     try  
16.     {  
17.         cv::VideoCapture cap(0);  
18.         image_window win;  
19.         //cap.set(CV_CAP_PROP_FRAME_WIDTH, 640);  
20.         //cap.set(CV_CAP_PROP_FRAME_HEIGHT, 480);  
21.         // Load face detection and pose estimation models.  
22.         frontal_face_detector detector = get_frontal_face_detector();  
23.         shape_predictor pose_model;  
24.         deserialize("shape_predictor_68_face_landmarks.dat") >> pose_model;  
25.           
26.         int count = 0;  
27.         std::vector<rectangle> faces;  
28.         // Grab and process frames until the main window is closed by the user.  
29.         while (!win.is_closed())  
30.         {  
31.             // Grab a frame  
32.             cv::Mat img,img_small;  
33.             cap >> img;  
34.             cv::resize(img, img_small, cv::Size(), 1.0 / RATIO, 1.0 / RATIO);  
35.   
36.             cv_image<bgr_pixel> cimg(img);  
37.             cv_image<bgr_pixel> cimg_small(img_small);  
38.   
39.             // Detect faces   
40.             if (count++ % SKIP_FRAMES == 0){  
41.                 faces = detector(cimg_small);  
42.             }  
43.             // Find the pose of each face.  
44.             std::vector<full_object_detection> shapes;  
45.             for (unsigned long i = 0; i < faces.size(); ++i){  
46.                 rectangle r(  
47.                     (long)(faces[i].left() * RATIO),  
48.                     (long)(faces[i].top() * RATIO),  
49.                     (long)(faces[i].right() * RATIO),  
50.                     (long)(faces[i].bottom() * RATIO)  
51.                     );  
52.                 shapes.push_back(pose_model(cimg, r));  
53.                 for (int k = 0; k < 68; ++k){  
54.                     circle(img, cvPoint(shapes[i].part(k).x(), shapes[i].part(k).y()), 3, cv::Scalar(0, 0, 255), -1);  
55.                 }  
56.             }  
57.             std::cout << "count:" << count << std::endl;  
58.             // Display it all on the screen  
59.             win.clear_overlay();  
60.             win.set_image(cimg);  
61.             win.add_overlay(render_face_detections(shapes));  
62.         }  
63.     }  
64.     catch (serialization_error& e)  
65.     {  
66.         cout << "You need dlib's default face landmarking model file to run this example." << endl;  
67.         cout << "You can get it from the following URL: " << endl;  
68.         cout << "   http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2" << endl;  
69.         cout << endl << e.what() << endl;  
70.     }  
71.     catch (exception& e)  
72.     {  
73.         cout << e.what() << endl;  
74.     }  
75.     system("pause");  
76. }  

直接运行即可得到结果：

附上参考链接：

http://www.learnopencv.com/speeding-up-dlib-facial-landmark-detector/