Face Alignment at 3000FPS(C++版)工程配置

原创 2015年11月14日 21:11:20

3000FPS是人脸对齐算法,特点是速度快!我利用的是thinkface上一位大牛提供的代码http://www.thinkface.cn/thread-3136-1-1.html这里面提供了C++版代码,人脸数据库及大牛训练好的模型的连接,大家可以自行下载。下面介绍具体的配置过程以及遇到的问题和其解决方法。

安装分为4个步骤:

1.下载人脸数据库,获取Path_Images.txt。
AFW人脸数据库:http://www.thinkface.cn/thread-1029-1-1.html
LFPW人脸数据库:http://www.thinkface.cn/thread-1032-1-1.html
Helen人脸数据库:http://www.thinkface.cn/thread-1030-1-1.html
IBUG人脸数据库:http://www.thinkface.cn/thread-1031-1-1.html

我使用的是lfpw库,里面已经提供了Path_iamges.txt文件,如果你下载的库没有提供这个.txt文件,可以用下面的方法生成。比如我现在将AFW与LFPW作为训练样本的集合,那么先解压然后保存到D:\Projects_Face_Detection\Datasets文件夹中,这是因为工程中train_model.m文件下第40行中定义的,也可以自己做修改.因为train_model.m文件中40行表示读入训练样本的数据的文件是Path_Images.txt,所以进入控制台先转到目录D:\Projects_Face_Detection\Datasets\afw,然后输入命令dir /b/s/p/w *.jpg>Path_Images.txt,这是将所有jpg的文件的文件名都输入到Path_Images.txt文件中,同样转到目录D:\Projects_Face_Detection\Datasets\lfpw文件夹中输入命令dir /b/s/p/w *.png>Path_Images.txt,因为lfpw的数据都是png文件。

其中数据库要根据你自己的数据库以及数据库的位置进行调整。

2、

下载liblinear库,编译获取blas库(liblinear/blas/blas.a)。你需要将你的blas.a替代build目录下的blas.a。

注意:新版本的程序这个步骤可以省略,作者已经把其整合到了工程里。

新版本链接:https://github.com/yulequan/face-alignment-in-3000fps

不过你用的是老版本,那首先是下载liblinear,我的百度链接:http://pan.baidu.com/s/1gdruGuf

liblinear库的安装与使用可参考http://blog.csdn.net/zouxy09/article/details/10947323/

本人在此声明,我没有编译成功,如果有编译成功的朋友,麻烦留言,简单讲述下方法,在此感谢!

3、进入build文件夹,编译该程序。
cmake  make

说明:我用的是CMake界面版,在编译时出现里个问题,提示要不到opencv库,错误提示为:

CMake Error at CMakeLists.txt:6 (find_package):

By not providing "FindOpenCV.cmake" in CMAKE_MODULE_PATH this project has

asked CMake to find a package configuration file provided by "OpenCV", but

CMake did not find one

出现这个问题是因为CMake配置OpenCV时出错,解决方法很简单添加一个环境变量就好具体步骤:我的电脑右击->属性->高级系统设置->环境变量->新建,变量名:OpenCV_DIR(注意大小写,不能出错)变量值:D:\Program Files\opencv\build重新启动电脑(很重要!!)再用CMake进行configure和generate,然后打开解决方案***.sln,进入VS,编译,运行。这个问题的具体原因及解决方案请参考:http://m.blog.csdn.net/blog/ZHUQIBING/17184939

4、模型的训练:在LBF.cpp文件中设置全局参数,在TrainDemo.cpp中设置数据库。采用“LBF.out TrainModel”进行编译。

具体设置:1)LBF.cpp文件修改、

modelPath:训练模型保存的路径,也是test阶段模型加载的路径

dataPath:数据库图片加载数据路径,这里要注意,还记得第一步中的Path_images.txt文件吗,这个文件里保存的就是图片路径,这个文件里的路径就是D:/Projects_Face_Detection/Datasets/,如果你没有自己生成Path_images.txt文件,而是使用官方提供的文件,那你的数据库文件夹就要放在这个路径下,也就是说你要在D盘下新建这个文件,否则你就好修改dataPath(不推荐,太麻烦,而且容易出错)

cascadeName:这个参数不用修改,但是要把这个文件放到工程下如:

下面是选择使用训练数据库:


选择要训练模型使用的库,把不用的库,直接注释掉就可以了


下面是选择测试数据库:


与上面一样,选择你的数据库即可,我这里是个错误,测试时的数据库不应该与训练数据库相同。


2)TrainModel.cpp文件修改:

首先,把第一步生成的Path_Images.txt文件放到trainset文件下(很重要,我在废了很长时间,才找到是这的问题


3)TestModel.cpp文件修改

由于照片不能正常上传,需要注意的地方与TrainModel,cpp一样把Path_Image.txt放到testset文件下,否则找不到照片,就无法进行人脸检测函数LoadOpencvBbxData(path, test_images, test_ground_truth_shapes, test_bounding_boxs);报错!!!


5、编译工程,编译时提示错误:无法启动程序 无法找到文件e:\projects_pcl\pcl_filters\bilateral_filter\build\x64\Debug\ALL_BUILD  

这是因为用CMake生成工程文件是包含了ALL_BUILD、ZERO_CHECK两个工程文件,直接把它们移除就OK!

具体请参考:http://blog.csdn.net/david_xtd/article/details/38381787

6、编译成功后,就可以执行程序了。在数据库上进行测试:在TestDemo.cpp文件中设置测试数据库,使用“LBF.out TestModel”进行编译。这是在命令行下执行的。如果你不想使用这种方式,我们可以使用下面的方法:

工程文件右击->属性->通用属性->调试->命令参数(TrainModel:训练模型,TestModel:测试)


如果想用我编译好的工程可以给我留言!


参考链接:

http://blog.csdn.net/wangjian8006/article/details/42004717

http://www.thinkface.cn/thread-3136-1-1.html

http://blog.csdn.net/zouxy09/article/details/10947323/

http://m.blog.csdn.net/blog/ZHUQIBING/17184939

http://blog.csdn.net/david_xtd/article/details/38381787

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/Sunshine_in_Moon/article/details/49838245

face alignment by 3000 fps系列学习总结(三)

训练我们主要以3000fps matlab实现为叙述主体。总体目标 我们需要为68个特征点的每一个特征点训练5棵随机树,每棵树4层深,即为所谓的随机森林。 开始训练 分配样本 事实上...
  • xiamentingtao
  • xiamentingtao
  • 2016-03-08 21:21:32
  • 3472

Face Alignment at 3000 FPS 学习理解和具体实现

这篇论文主要讲:Face Alignment 问题,即给人脸确定位置68个标点 (landmark)。 而这些标点位置肯定是最能区别不同人的位置。 Face Alignment 是很重要的,是人脸...
  • xp215774576
  • xp215774576
  • 2015-04-14 10:47:37
  • 8301

Face Alignment at 3000FPS(C++版)工程配置

3000FPS是人脸对齐算法,特点是速度快!我利用的是thinkface上一位大牛提供的代码http://www.thinkface.cn/thread-3136-1-1.html这里面提供了C++版...
  • Sunshine_in_Moon
  • Sunshine_in_Moon
  • 2015-11-14 21:11:20
  • 6113

C++版 Face Alignment at 3000FPS(一)TrainModel运行

C++版 Face Alignment at 3000FPS TrainModel运行
  • rongrongyaofeiqi
  • rongrongyaofeiqi
  • 2016-11-03 10:19:28
  • 1735

face alignment by 3000 fps系列学习总结(二)

准备初始数据mean_shapemean_shape就是训练图片所有ground_truth points的平均值.那么具体怎么做呢?是不是直接将特征点相加求平均值呢? 显然这样做是仓促和不准确的。...
  • xiamentingtao
  • xiamentingtao
  • 2016-03-07 22:42:11
  • 3456

Face Alignment by 3000 FPS系列学习总结(一)

face alignment 流程图train阶段测试阶段预处理裁剪图片 tr_data = loadsamples(imgpathlistfile, 2); 说明: 本函数用于将原始图片取grou...
  • xiamentingtao
  • xiamentingtao
  • 2016-03-07 21:14:19
  • 4151

Face Alignment at 3000FPS工程配置

根据Face Alignment at 3000 FPS via Regressing Local Binary Features这篇文章的源代码的配置 1. 源代码地址:https://gith...
  • wangjian8006
  • wangjian8006
  • 2014-12-18 14:03:55
  • 9276

face alignment by 3000 fps系列学习总结

我们主要讲一讲Github上给出的matlab开源代码《jwyang/face-alignment》的配置。 首先声明:本人第一次配置的时候也是参考了csdn一个作者和github给出的说明配置成功...
  • xiamentingtao
  • xiamentingtao
  • 2016-03-10 23:40:12
  • 3309

Face alignment in 3000 FPS 代码的运行

网上对论文 face alignment at 3000 fps via regressing local binary features 代码解析很少,希望能给读者代码详细的解析.这能论文下载地址 ...
  • xp215774576
  • xp215774576
  • 2015-04-15 12:47:53
  • 4574

肤色检测&人脸检测数据集等链接大集合(持续更新中...)

在国内计算机视觉领域,人体器官的识别和跟踪,如人脸识别跟踪、人手识别跟踪等还是一个热门领域。然而,国内的研究者大多不如国外的研究者那么勤快,不喜欢把自己的测试的数据集(dataset)公开给开发者用,...
  • wangkr111
  • wangkr111
  • 2015-03-21 11:13:02
  • 17086
收藏助手
不良信息举报
您举报文章:Face Alignment at 3000FPS(C++版)工程配置
举报原因:
原因补充:

(最多只允许输入30个字)