BFM模型介绍及可视化实现（C++）
BFM模型基本介绍
Basel Face Model是一个开源的人脸数据库，其基本原理是3DMM，因此其便是在PCA的基础上进行存储的。
目前有两个版本的数据库（2009和2017）。
官方网站：2009，2017
数据内容（以2009版本为例）
文件内容
01_MorphableModel.mat（数据主体）
BFM模型由53490个顶点构成，其shape/texture的数据长度为160470（53490*3），因为其排列方式如下：
shape: x_1, y_1, z_1, x_2, y_2, z_2, ..., x_{53490}, y_{53490}, z_{53490}texture: r_1, g_1, b_1, r_2, g_2, b_2, ..., r_{53490}, g_{53490}, b_{53490}.h5文件与.mat文件对应关系
[注] .h5文件中的tl数量与.mat数量不同，主成分方差的值也不同，且shape的值是.mat中shape值的0.001倍（见/shape/representer/length-unit）。
Matlab脚本
建议阅读script_gen_random_head.m文件，该脚本实现了如何生成随机脸，从中我们可以学习到BFM模型的使用方法。
2009与2017版本区别
2009年版本数据集：
- 提供数据格式：mat（
01_MorphableModel.mat）和h5（model2009-publicmm1-bfm.h5）； - 提供一系列Matlab脚本，有生成随机脸等功能；
- 提供多种特征点（
PublicMM1/11_feature_points）； - 提供segment的mask（
PublicMM1/09_mask）； - 提供对称点的对应关系（
PublicMM1/13_symmetry_indices）； - 提供属性（
PublicMM1/04_attributes.mat） - 不提供表情；
2017年版本数据集：
- 提供数据格式：h5（原版（
model2017-1_bfm_nomouth.h5）和裁剪过的版本（model2017-1_face12_nomouth.h5））； - 不提供Matlab脚本（本身也无mat格式数据）；
- 提供单种特征点（
metadata/landmarks/text）； - 不提供segment、对称点的对应关系和属性；
- 提供表情（
expression）；
基本原理
目标shape或者texture都可以通过如下式子得到：
obj = average + pc * (coeficient .* pcVariance)其中系数（coeficient）是变量，其余均是数据库里的常量，其是一个199维（对应199个PC）的向量。
C++实现BFM模型可视工具
数据读取
我们可以读取.mat文件或者.h文件，因为读取.mat文件需要使用Matlab的库文件，我们暂时不考虑。
读取.h5格式文件
.h5文件无法直接通过文本工具打开，需要下载专门的可视工具，此处我使用了HDFView。
通过该文件我们可以了解到HDF5文件的内部格式。
在C++中使用HDF5读写需要下载官方的库：
HDF5库下载地址
官网右上角注册后下载，随后选择对应版本下载。
[注] 在Windows的Visual Studio使用shared库需要编译过程定义H5_BUILT_AS_DYNAMIC_LIB。（若出现LINK2001错误可以添加这个来解决）
[注] static库命名前面以lib开头，例如hdf5.lib是shared库，libhdf5.lib是static库。
在VS的包含目录和库目录中添加对应的inlcude和lib目录。
在链接器的输入中增加szip.lib;zlib.lib;hdf5.lib;hdf5_cpp.lib;，并将对应的.dll文件放置到Windows/System32或Windows/SysWOW64。
我们只需要用到HDF5中的读取功能，步骤是打开文件->打开数据库->读取数据->关闭数据库->关闭文件。我们以shape平均值为例：
float *shape_mu_raw = new float[N_VERTICE * 3];
H5File file(bfm_h5_path, H5F_ACC_RDONLY);
DataSet shape_mu_data = file.openDataSet("/shape/model/mean");
shape_mu_data.read(shape_mu_raw, PredType::NATIVE_FLOAT);
raw2vector(shape_mu, shape_mu_raw); // 自行将数组转换成想要存放的格式
shape_mu_data.close();
file.close();shape平均值读取后需要再乘以1000才等同于.mat格式的读取。
需要注意的是数据的读取类型一定要根数据库中的类型一致。shape/tex的类型均为float，对应PredType::NATIVE_FLOAT，tl的类型为unsigned int，对应PredType::NATIVE_UINT32。
[注] 因为缺少pdb文件，HDF5中的代码如果报错可能无法进行调试，需要逐行进行错误的排除，常见错误就是类型不匹配或者长度不匹配。
其他读取方式
在最开始不了解.h5格式的时候，我便使用一些笨方法进行读取，例如先将.mat格式数据转换成二进制文件/文本文件再进行读取。
例如这样一个matlab脚本：
function mat2binary(filename, mat, type)
fid=fopen(filename, 'wb');
matrix = mat;
[m,n]=size(matrix);
for i=1:1:m
for j=1:1:n
fwrite(fid, matrix(i,j), type);
end
end
fclose(fid);
end这些脚本能够简单地将mat格式进行转换，成为容易被C++进行读取的格式。但是弊端也很明显，在C++中的读写速度非常慢。.h5格式读写1s左右完成，二进制文件读写1分钟左右完成，文本文件读写5分钟左右完成。且在存储大小上，.h5文件（249MB）≈ 二进制文件 < 文本文件（超过710M）。
生成人脸
即按照上述基本原理中的式子进行实现。
OpenGL进行显示
这里使用了Qt5内置的OpenGL模块，通过最简单的glBegin()和glEnd()即可绘出人脸。
double sint = sin(theta), cost = cos(theta);
for (auto t = tl.begin(); t != tl.end(); t++) {
glBegin(GL_TRIANGLES);
vec3 tmp = *t;
glColor3f(tex[tmp.x].x / 255.0, tex[tmp.x].y / 255.0, tex[tmp.x].z / 255.0);
glVertex3f(shape[tmp.x].x * scale * cost - shape[tmp.x].z * scale * sint, shape[tmp.x].y * scale, shape[tmp.x].x * scale * sint + shape[tmp.x].z * scale * cost);
glColor3f(tex[tmp.y].x / 255.0, tex[tmp.y].y / 255.0, tex[tmp.y].z / 255.0);
glVertex3f(shape[tmp.y].x * scale * cost - shape[tmp.y].z * scale * sint, shape[tmp.y].y * scale, shape[tmp.y].x * scale * sint + shape[tmp.y].z * scale * cost);
glColor3f(tex[tmp.z].x / 255.0, tex[tmp.z].y / 255.0, tex[tmp.z].z / 255.0);
glVertex3f(shape[tmp.z].x * scale * cost - shape[tmp.z].z * scale * sint, shape[tmp.z].y * scale, shape[tmp.z].x * scale * sint + shape[tmp.z].z * scale * cost);
glEnd();
}使用theta和scale参数用于实现鼠标和键盘对模型方向的控制。
根据模型大小，我们设置相应的视角：
void OpenGLWidget::resizeGL(int width, int height) {
glViewport(0, 0, width, height);
glMatrixMode(GL_PROJECTION);
glLoadIdentity();
gluPerspective(60.0, (GLfloat)width / (GLfloat)height, 1.0, 600000.0);
glMatrixMode(GL_MODELVIEW);
glLoadIdentity();
gluLookAt(0, 0, 300000.0, 0.0, 0.0, 0.0, 0.0, 1.0, 0.0);
}结果展示
初始界面（左侧显示一个彩色三角形）：
当随机性设置为0（即coeficient设为[0, ..., 0]），生成平均脸：
随机生成人脸，或随机设置PC值：
源代码
GitHub：https://github.com/Great-Keith/bfm-visual-tool