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://github.com/jwyang/face-alignment，里面也有相应的英文介绍

2. 环境：windows64位+matlab2014a

3. 下载数据库，因为需要数据做训练样本，可以从http://ibug.doc.ic.ac.uk/resources/facial-point-annotations下载，有多个样本集，可以下载需要的样本

4. 为代码中的训练样本函数的依赖库liblinear做配置，从http://www.csie.ntu.edu.tw/~cjlin/liblinear/，可以直接下载liblinear库，然后如果你的系统是windows64位的就直接从里面的windows文件夹中将里面的文件全部拷贝到matlab的工程文件夹中

5. 准备数据。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.

6.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。

7.然后我们开始训练样本，在matlab文件夹下新建一个m文件，然后里面输入一下代码：

filepath_ranf='./ranf.mat';
filepath_ws='./ws.mat';
 
lbfmodel=train_model({'afw''lfpw'});
 
ranf =lbfmodel.ranf;
ws = lbfmodel.Ws;
 
save(filepath_ranf,'ranf');
save(filepath_ws,'ws');

然后执行，训练样本的时间可能会过长。目的是将训练后的结果导入ranf.mat与ws.mat文件夹中.当训练完毕后，可以在face_alignment文件中看到ranf.mat与ws.mat两个文件,大概120M多。

8.观看结果。比如现在想将ibug数据集作为结果，那么在将ibug解压到D:\Projects_Face_Detection\Datasets目录，然后进入控制台转到目录下输入dir /b/s/p/w *.jpg>Path_Images.txt。然后在matlab文件夹下新建一个m文件，在里面输入下面代码：

filepath_ranf='./ranf.mat';
filepath_ws='./ws.mat';
 
r=load(filepath_ranf);
w=load(filepath_ws);
 
ranf=r.ranf;
ws=w.ws;
 
t.ranf=ranf;
t.Ws=ws;
 
test_model({'ibug'},t);

就可以看到结果了。