手把手教你Dlib+VS2013+Win7配置（詳細）

下載文件

Dlib下載

• 官網
  http://dlib.net/
  只push了最新版本；且最新版本要求vs2015
• github
  https://github.com/davisking/dlib
  在分支裏可以找到各種版本
• 其它
  http://dlib.net/files/
  這裏有很多版本，還有人臉數據，以及模型文件等

cmake下載

• 版本數：需要2.8及以上
• 官網：https://cmake.org/download/

OpenCV

 關於OpenCV就不在贅述了，很簡單；     

C++相關配置：利用CMake編譯

• 首先在解壓後的dlib根目錄下新建一個文件夾，我這裏命名爲build2013x64，因爲我這裏使用vs2013,64位
• 如果你的vs是32位，請選擇win32，64位則選擇win64
  
• 選擇完畢，點擊‘Configure’，出現configure done，再點擊‘Generate’
  
  編譯完成。
• 點擊‘Open Project’，打開工程
• 如果你是64位，記得一定要將設備管理器平臺改爲x64
• 找到ALLBuild，右鍵工程名，點擊‘生成’
• 這個過程中報了一條錯誤：basetsd.h(72): error C2371: “INT32”: 重定義；不同的基類型
• 解決方法：參考這篇article
  http://blog.csdn.net/zhangxiangweide/article/details/76718686
• 重新生成，ok， 沒有問題，打開你的dlib下你剛創建的文件夾，找到debug文件夾，會看到生成有dlib的lib文件：dlib.lib，這個文件就是我們要用的庫文件
  

dlib的使用

vs2013的相關配置：OpenCV和Dlib

- 包含目錄

- 庫目錄

- 附加依賴項

測試：人臉檢測及對齊

#include "stdafx.h"
#include <iostream>
#include <dlib/opencv.h>
#include <dlib/image_processing/frontal_face_detector.h>
#include <dlib/image_processing/render_face_detections.h>
#include <dlib/image_processing.h>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int _tmain(int argc, _TCHAR* argv[])
{
    dlib::frontal_face_detector detector = dlib::get_frontal_face_detector();
    dlib::shape_predictor pose_model;

    dlib::deserialize("D:\\zhlWorkDocs\\dl\\faceRecognition\\detection\\faceDetect\\Dlib\\shape_predictor_68_face_landmarks.dat") >> pose_model;
    cv::Mat img = imread("D:\\zhlWorkDocs\\testWorksDemo\\detectface\\faceRecognition\\test_image\\test.jpg", 1);
    dlib::cv_image<dlib::bgr_pixel> cimg(img);
    double t = GetTickCount();
    vector<dlib::rectangle> faces = detector(cimg);
    cout << "dlib detect face time is: " << (GetTickCount() - t) / getTickFrequency() << endl;

    vector<dlib::full_object_detection> shapes;
    for (unsigned long i = 0; i < faces.size(); i++)
    {
        shapes.push_back(pose_model(cimg, faces[i]));
    }

    if (!shapes.empty())
    {
        for (int j = 0; j < shapes.size(); j++)
        {
            for (int i = 0; i < 68; i++)
            {
                circle(img, cv::Point(shapes[j].part(i).x(), shapes[j].part(i).y()),
                    3, Scalar(0, 255, 0), -1);
                //putText(img, to_string(i), cv::Point(shapes[0].part(i).x(), shapes[0].part(i).y()),
                //  CV_FONT_HERSHEY_SCRIPT_SIMPLEX, 1, Scalar(0, 0, 255), 1, 4);

            }

        }

    }

    imshow("show_point", img);
    waitKey();

    return 0;
}

運行結果：

從結果上來看，Dlib的效果其實並不是想象中的那麼好，漏檢率很高，只檢測到了10個人臉，顯然對大傾斜角度，遮擋半邊臉的這種情況無法很好檢測，相比於MTCNN的效果差了好多，但是速度比MTCNN快，對這幅圖而言，檢測時間爲12個毫秒；果然是魚和熊掌不可兼得啊。