利用Dlib进行人脸特征局部定位

shape_predictor_68_face_landmarks.dat模型库下载地址：http://pan.baidu.com/s/1pLpREDd 密码：80v6

在运行该程序前，请配好Dlib和opencv。本人用的是vs2010+opencv2.4.11+Dlib18.18

void CDlib_MFCDlg::OnBnClickedFace()
{
	// TODO: 在此添加控件通知处理程序代码
	char img_file[]="G:\\Source\\111.jpg";
	char mark_file[]="G:\\Source\\shape_predictor_68_face_landmarks.dat";//必须导入该模型
	Mat img=imread(img_file);

	//需要一个人脸检测器，获得一个边界框
	frontal_face_detector detector=get_frontal_face_detector();

	//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狂的标记点的位置
	//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(mark_file) >> sp;//模型解析
//  serialize("face_detector.svm")<<detector;//模型存储
/*
	object_detector<image_scanner_type> detector2;
	deserialize("face_detector.svm")>> detector2;
*/

	/*
	structural_object_detection_trainer<image_scanner_type> trainer(scanner);
	// 设置训练参数
	trainer.set_num_threads(4);
	// 设置SVM的参数C，C越大表示更好地去拟合训练集，当然也有可能造成过拟合。通过尝试不同C在测试集上的效果得到最佳值
	trainer.set_c(1); 
	trainer.be_verbose();
	//设置训练结束条件，"risk gap"<0.01时训练结束，值越小表示SVM优化问题越精确，训练时间也会越久。
	//通常取0.1-0.01.在verbose模式下每一轮的risk gap都会打印出来。
	trainer.set_epsilon(0.01);
	*/
	array2d<rgb_pixel>arrImg;//注意变量类型rgb_pixel三通道彩色图像

	load_image(arrImg,img_file);

	std::vector<dlib::rectangle>dets= detector(arrImg);

	for(unsigned long j=0;j<dets.size();j++)
	{
		full_object_detection shape=sp(arrImg,dets[j]);
		for(unsigned long i=0;i<shape.num_parts();i++)//shape.num_parts()记录了68个点的坐标
		{
			point pt=shape.part(i);
			int x=pt.x();
			int y=pt.y();
			line(img,Point(pt.x(),pt.y()),Point(pt.x(),pt.y()),Scalar(0,0,255),2);  
		}
	}
	imshow("img",img);
	waitKey();
}