利用Dlib进行人脸特征局部定位

shape_predictor_68_face_landmarks.dat模型库下载地址：http://pan.baidu.com/s/1pLpREDd 密码：80v6

在运行该程序前，请配好Dlib和opencv。本人用的是vs2010+opencv2.4.11+Dlib18.18

void CDlib_MFCDlg::OnBnClickedFace(){// TODO: 在此添加控件通知处理程序代码char img_file[]="G:\\Source\\111.jpg";char mark_file[]="G:\\Source\\shape_predictor_68_face_landmarks.dat";//必须导入该模型Mat img=imread(img_file);//需要一个人脸检测器，获得一个边界框frontal_face_detector detector=get_frontal_face_detector();//需要一个形状预测器，这是一个工具用来预测给定的图片和脸边界狂的标记点的位置//这里我们仅仅从shape_Predictor_68_face_landmarks.dat文件加载模型shape_predictor sp;//定义个shape_predictor类的实例deserialize(mark_file) >> sp;//模型解析//  serialize("face_detector.svm")<<detector;//模型存储/*object_detector<image_scanner_type> detector2;deserialize("face_detector.svm")>> detector2;*//*structural_object_detection_trainer<image_scanner_type> trainer(scanner);// 设置训练参数trainer.set_num_threads(4);// 设置SVM的参数C，C越大表示更好地去拟合训练集，当然也有可能造成过拟合。通过尝试不同C在测试集上的效果得到最佳值trainer.set_c(1); trainer.be_verbose();//设置训练结束条件，"risk gap"<0.01时训练结束，值越小表示SVM优化问题越精确，训练时间也会越久。//通常取0.1-0.01.在verbose模式下每一轮的risk gap都会打印出来。trainer.set_epsilon(0.01);*/array2d<rgb_pixel>arrImg;//注意变量类型rgb_pixel三通道彩色图像load_image(arrImg,img_file);std::vector<dlib::rectangle>dets= detector(arrImg);for(unsigned long j=0;j<dets.size();j++){full_object_detection shape=sp(arrImg,dets[j]);for(unsigned long i=0;i<shape.num_parts();i++)//shape.num_parts()记录了68个点的坐标{point pt=shape.part(i);int x=pt.x();int y=pt.y();line(img,Point(pt.x(),pt.y()),Point(pt.x(),pt.y()),Scalar(0,0,255),2);  }}imshow("img",img);waitKey();}