「seetaface2」中科院人脸识别引擎seetaface2在Linux Qt上的配置教程
笔者的最新私人博客网站经过一段时间的努力，已经初期建设完毕，csdn上的博文会逐渐转移过去～～ 欢迎访问呀～ |=传=送=门=> 多多洛的博客
2016年，中科院山世光老师开源了其研发的seetaface人脸识别引擎，使用VS编译，只能在window系统上运行，若想在Mac和Linux系统上使用，还需进行手动编译；随后又发布了seetaface2版本，这一版本的重大特性在于增加了对Linux和Android的支持，为这两个平台的研发人员提供了很大的便利。
笔者目前主要在Linux平台上进行人脸识别研究和学习，发现网络上目前几乎没有对seetaface2在Linux平台上的完整配置教程，经过笔者的多次试验，总结出在Linux Qt上的较为完整的配置教程（及配置过程中可能遇到的问题），记录如下。
一、seetaface2在LInux上的配置
先介绍一下笔者的开发环境：操作系统是Ubuntu 16.04，Qt版本是4.8.6，Qt Creator版本是4.4.0，OpenCV版本是2.4.9，g++/gcc 编译器的版本是5.4.0。
（一）配置前的准备
Step1 安装依赖环境
打开终端，输入以下命令进行安装：
# 更新软件列表
sudo apt-get update
# 安装依赖环境
sudo apt-get install libopenblas-dev libprotobuf-dev libssl-devStep2 下载seetaface2的源码、模型文件
官方的下载链接是：Seetaface2 For Linux
进入链接，依次下载以下四个文件（头文件、链接库文件、FaceCropper链接库文件、模型文件），如下图所示：
并将其放到本地相关目录里。
Step3 在计算机中进行配置
一般来说，第三方的头文件和链接库都统一放于“/usr/local/”目录下，从而便于管理和使用（之前配置OpenCV时，头文件和链接库也是放在这个目录下的）。所以笔者将头文件放在了“/usr/local/include/” 目录下（为了便于整理，新建一个子文件夹，叫seeta，将头文件放入），将链接库放在了“/usr/local/lib/” 目录下。笔者的配置步骤如下，可供参考：
笔者先将所有库文件统一整理到lib文件夹里，头文件整理到seeta文件夹里，如下图所示：
在当前目录下打开终端，输入命令：
sudo mv seeta /usr/local/include/ sudo mv ./lib/lib*.so /usr/local/lib/
这样，在计算机上的配置就完毕了，接下来是在Qt里的配置。
Step4 在Qt中进行配置
新建一个基于C++的Qt Console Application，Build System选择Qmake，创建完成后打开pro文件，加入以下内容，对头文件和库文件进行配置：
INCLUDEPATH += /usr/local/include
# OpenCV libs
LIBS += -L/usr/local/lib \
-lopencv_core\
-lopencv_imgproc\
-lopencv_highgui\
-lopencv_ml\
-lopencv_video\
-lopencv_features2d\
-lopencv_calib3d\
-lopencv_objdetect\
-lopencv_contrib\
-lopencv_legacy\
-lopencv_flann
# Seetaface2 libs
LIBS += -L/usr/local/lib \
-lholiday -lSeetaFaceDetector200 -lSeetaFaceRecognizer200 \
-lSeetaPointDetector200 -lSeetaFaceCropper200（注：笔者的OpenCV头文件也是在/usr/local/include下的，库文件也是在/usr/local/lib下的，读者可自身的路径情况进行修改）
关于pro文件的配置：
笔者最初由于pro文件配置错误，导致Build工程的时候出现了很多问题，所以pro文件一定要书写正确，不然会导致无法找到库文件。
INCLUDEPATH += 是用于指定头文件的目录，可以用绝对或相对路径；相对路径中./可以省略；路径中不允许出现空格。
LIBS += 是动态链接库的配置语句，注意“+=”中间一定不能有空格，这是一个符号，一个整体；后接“-L”指定路径，然后“-l”（小写的L）指定库的名称，注意这里库的名称指的是库文件名“lib”之后，“.so”之前的那段字，比如：
这个库文件的文件名是“libSeetaPointDetector200.so”，那么对应的库的名称是“SeetaPointDetector200”。
LIBS += 可以写在一行，也可以用 \ 断行。
其他的注意事项可以参考这位博主的博文，总结得很不错。
到这里就基本上配置完成了，接下来通过一个demo来检验配置是否成功。
二、seetaface2实例
配置完成后，打开主程序main.cpp，添加以下代码：
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <seeta/FaceDetector2.h>
#include <seeta/PointDetector2.h>
#include <seeta/FaceCropper2.h>
#include <seeta/Struct_cv.h>
#define FD_MODEL "./bindata/SeetaFaceDetector2.0.ats"
#define PD_MODEL "./bindata/SeetaPointDetector2.0.pts5.ats"
int main()
{
seeta::FaceDetector2 FD(FD_MODEL);
seeta::PointDetector2 PD(PD_MODEL);
seeta::FaceCropper2 FC;
cv::Mat mat = cv::imread("demo.png");
seeta::cv::ImageData image = mat;
auto face = FD.Detect(image);
auto points = PD.Detect(image, *face);
// crop face according to 5 landmarks
seeta::cv::ImageData cropped_face = FC.Crop(image, points);
cv::Mat cropped_face_mat = cropped_face;
cv::imwrite("cropped_face.jpg", cropped_face_mat);
return 0;
}这是官方上提供的一个SeetaFace2 Cropper的例子，可以通过人脸的5个特征点将一幅图像中的人脸ROI切割出来并保存在本地。实验结果如下：
三、编译时可能出现的问题（持续总结更新中…）
▶ 报错：’nullptr’ was not declared in this scope
这是因为seetaface2使用了大量的C++11的新特性，所以编译时需要开启C++11的全部特性。解决方法如下：
- 先确认自己的G++编译器的版本（打开终端，输入
g++ --version后回车），记下自己的版本 - 打开pro文件进行编辑，如果自己的g++版本 <4.7，那么添加如下配置指令：
QMAKE_CXXFLAGS += -std=c++0x，如果版本 >= 4.7，则添加QMAKE_CXXFLAGS += -std=c++11，然后清理一下工程，重新Build即可（注意，一定要确认好版本，不同版本的配置是不通用的）。