Dlib19.7_Part2._FaceLandMark_人臉標記(點連線)編譯方法

於上一篇我們探討學習麻煩的建置流程




建議那個配置一次之後就用 拷貝專案Folder方式
去做下一份新專案

備份一個配置好的空專案
會方便許多喔~~~~~




Step1.先至官網下載人臉68個標註點  model
http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2
下載下來應該會有一包  61MB大的檔案   直接用 Notepad去開會有亂碼看不懂



這裡不要跟我一樣忘記  解壓縮喔
一直感覺奇怪輸入沒錯   參數都配置好了
就是直接小嗨跳出結束  = =||| 令人汗顏
結果是第一個參數配置成為壓縮的壓縮檔
XDD
https://sourceforge.net/p/dclib/discussion/442518/thread/fe79827a/?limit=25



Step2.
配置參數



這裡請大家看一個範本程式


 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
#include<dlib\image_processing\frontal_face_detector.h>  
#include<dlib\image_processing\render_face_detections.h>  
#include<dlib\image_processing.h>  
#include<dlib\gui_widgets.h>  
#include<dlib\image_io.h>  

#include<iostream>  

using namespace  dlib;
using namespace  std;

int  main(int  argc, char ** argv)
{
 //這個例子需要一系列的形狀模型和一系列的圖片  
 try
 {
  if (argc == 1)
  {
   cout << "Call this program like this:" << endl;
   cout << "./face_landmark_detection_ex shape_predictor_68_face_landmarks.dat faces/*.jpg" << endl;
   cout << "\nYou can get the shape_predictor_68_face_landmarks.dat file from:\n";
   cout << "http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2" << endl;//從這個地址下載模型標記點數據    
   return  0;
  }
  
  frontal_face_detector detector = get_frontal_face_detector();

  //也需要一個形狀預測器,這是一個工具用來預測給定的圖片和臉邊界框的標記點的位置。  
  //這裡我們僅僅從shape_predictor_68_face_landmarks.dat文件加載模型   
  shape_predictor sp; //定義個shape_predictor類的實例  
  deserialize(argv[1]) >> sp;

  image_window win, win_faces;
  //循環所有圖片  
  cout << "processing image " << argv[2] << endl;

  array2d<rgb_pixel> img; //注意變量類型rgb_pixel三通道彩色圖像    
  load_image(img, argv[2]);
  // Make the image larger so we can detect small faces.    
  pyramid_up(img);

  std::vector<rectangle> dets = detector(img); //檢測人臉,獲得邊界框    
  cout << "Number of faces detected: " << dets.size() << endl; //檢測到人臉的數量  

  std::vector<full_object_detection> shapes; //注意形狀變量的類型,  
  for (unsigned long j = 0; j < dets.size(); ++j)
  {
   full_object_detection shape = sp(img, dets[j]); //預測姿勢,注意輸入是兩個,一個是圖片,另一個是從該圖片檢測到的邊界框    
   cout << "number of parts: " << shape.num_parts() << endl;
   //cout << "pixel position of first part: " << shape.part(0) << endl;//獲得第一個點的坐標,注意第一個點是從0開始的    
   //cout << "pixel position of second part: " << shape.part(1) << endl;//獲得第二個點的坐標    
   /*自己改寫,打印出全部68個點*/
   for (int i = 1; i < 69; i++)
   {
    cout << "第" << i << "個點的坐標: " << shape.part(i - 1) << endl;
   }
   // You get the idea, you can get all the face part locations if    
   // you want them. Here we just store them in shapes so we can    
   // put them on the screen.    
   shapes.push_back(shape);
  }

  //**** 顯示結果    
  win.clear_overlay();
  win.set_image(img);
  win.add_overlay(render_face_detections(shapes));

  //****我們也能提取每張剪裁後的人臉的副本,旋轉和縮放到一個標準尺寸    
  dlib::array<array2d<rgb_pixel> > face_chips;
  extract_image_chips(img, get_face_chip_details(shapes), face_chips);
  win_faces.set_image(tile_images(face_chips));

  cout << "Hit enter to process the next image..." << endl;
  cin.get();

 }
 catch (exception& e)
 {
  cout << "\nexception thrown!" << endl;
  cout << e.what() << endl;
 }
}



將shape_predictor_68_face_landmarks.dat檔案加載模型(第一個參數)
這裡用到所謂的  deserialize  處理過程
如果想知道
deserialize   VS  serialize
可以參考之前寫的 Blog
Advanced_C#_what is Serialization C#
http://coolmandiary.blogspot.tw/2016/09/advancedcwhat-is-serialization-c.html


serialize     :Object轉為 以Bytes存放之資料
deserialize   : 以Bytes存放之資料 轉為 Object

============================================================
Code學習摘自

Dlib 19.2+VS2015 人臉對齊
http://blog.csdn.net/qq_22764813/article/details/53054292











留言

這個網誌中的熱門文章

何謂淨重(Net Weight)、皮重(Tare Weight)與毛重(Gross Weight)

Architecture(架構) 和 Framework(框架) 有何不同?_軟體設計前的事前規劃的藍圖概念

(2021年度)駕訓學科筆試準備題庫歸納分析_法規是非題