LBF算法的环境配置

转载：http://blog.csdn.net/sunshine_in_moon/article/details/49838245/

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：

也可以直接配置OPENCV的路径，指到build目录就可以了！在cmake中设置opencv的路径例如：在addEntry添加OPENCV_DIR

d:\\opencv\\opencv2.4.9\\build

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）