SDM（superviseddescentmethod）人脸特征

2018-04-06 本文已影响0人 ce0b74704937

SDM方法是13年在文章《Supervised Descent Method and its Applications to Face Alignment》提出的，github上一个大牛根据文章《Random Cascaded-Regression Copse for Robust Facial Landmark Detection》的方法利用SDM的思想实现了人脸特征点检测的任务。
SDM方法有点老，但是今天啥也不想干了，又有点无聊，就写下这篇博客，上面的文章google能下到，SDM代码也可以在github上下到，本博客主要是讲怎么用该训练出脸的特征点检测模型。作者的代码把用到的第三方库基本都包含在工程中了，但是要另外安装Eigen和OpenCV。

博主是在ubuntu14.04下训练的，步骤如下：

安装Eigen库，详细方法见博主另一篇博客，ubuntu14.04+eigen3安装，博主安装的是3.3.0版本
安装OpenCV库，从OpenCV官网下载OpenCV，该页面有各种版本，而且支持各种系统，博主用的是OpenCV3.0版本中的OpenCV for Linux/Mac，安装方法在下载页面中有个THE INSTALLATION DOCUMENTATION（如下图所示），根据该文档安装即可，安装完后在终端输入pkg-config --modversion opencv 查看安装版本，而且能查到说明OpenCV安装成功。

图一.jpg
下载github上的代码，在终端运行下列语句(博主直接下载到主目录下即~目录下)
```
git clone https://github.com/patrikhuber/superviseddescent.git
```
下载训练用到的标定好的人脸数据库，博主用的是lpfw库，下载地址

图二.jpg
博主在第三步下载下的superviseddescent的目录中创建train_data文件夹中（即~/superviseddesecent/train_data），并解压。

将一些训练的配置文件考入train_data文件夹中，运行下列代码

cd ~/superviseddescent/train_data
cp  ../apps/rcr/data/mean_ibug_lpfw_68.txt  ../apps/rcr/data/rcr_eval.cfg  ../apps/rcr/data/rcr_training_22.cfg  .

上面三个文件，mean_ibug_lpfw_68.txt中保存的是lfpw数据库中所有图像68个标定点的归一化后的坐标值，rcr_eval.cfg保存的是用来检测训练误差选择的检测点，rcr_training_22.cfg中保存的是根据下图人脸标定规则顺序选择出来的需要训练的点。

图三.jpg

具体训练多少个点，可以根据自己的需要设置，博主修改了rcr_training_22.cfg文件中的参数，训练了68个特征点，修改配置文件运行下列代码

cd  ~/superviseddescent/train_data
mv  rcr_training_22.cfg  rcr_training_68.cfg
vim rcr_training_68.cfg

用vim打开复制的文件rcr_training_68.cfg后修改里面的参数，博主修改的参数如下：

modelLandmarks ; Parameters specifying the model that is to be trained
{
landmarks ; What landmarks to use and how we name them. Also, the model will have the landmarks in this order. 
   { ; we use the numbering from ibug-lfpw
     1 ; 1 to 8 are the right contour landmarks
     2 ;
     3 ;
     4 ;
     5 ;
     6 ;
     7 ;
     8 ;
     9 ; chin bottom
    10 ; 10 to 17 are the left contour landmarks
    11 ;
    12 ;
    13 ;
    14 ;
    15 ;
    16 ;
    17 ;
    18 ; right eyebrow outer-corner (18)
    19 ; right eyebrow between middle and outer corner
    20 ; right eyebrow middle, vertical middle (20)
    21 ; right eyebrow between middle and inner corner
    22 ; right eyebrow inner-corner (19)
    23 ; left eyebrow inner-corner (23)
    24 ; left eyebrow between inner corner and middle
    25 ; left eyebrow middle (24)
    26 ; left eyebrow between middle and outer corner
    27 ; left eyebrow outer-corner (22)
    28 ; bridge of the nose (parallel to upper eye lids)
    29 ; middle of the nose, a bit below the lower eye lids
    30 ; above nose-tip (1cm or so)
    31 ; nose-tip (3)
    32 ; right nostril, below nose, nose-lip junction
    33 ; nose-lip junction
    34 ; nose-lip junction (28)
    35 ; nose-lip junction
    36 ; left nostril, below nose, nose-lip junction
    37 ; right eye outer-corner (1)
    38 ; right eye pupil top right (from subject's perspective)
    39 ; right eye pupil top left
    40 ; right eye inner-corner (5)
    41 ; right eye pupil bottom left
    42 ; right eye pupil bottom right
    43 ; left eye inner-corner (8)
    44 ; left eye pupil top right
    45 ; left eye pupil top left
    46 ; left eye outer-corner (2)
    47 ; left eye pupil bottom left
    48 ; left eye pupil bottom right
    49 ; right mouth corner (12)
    50 ; upper lip right top outer
    51 ; upper lip middle top right
    52 ; upper lip middle top (14)
    53 ; upper lip middle top left
    54 ; upper lip left top outer
    55 ; left mouth corner (13)
    56 ; lower lip left bottom outer
    57 ; lower lip middle bottom left
    58 ; lower lip middle bottom (17)
    59 ; lower lip middle bottom right
    60 ; lower lip right bottom outer
    61 ; right inner corner of the mouth
    62 ; upper lip right bottom outer
    63 ; upper lip middle bottom
    64 ; upper lip left bottom outer
    65 ; left inner corner of the mouth
    66 ; lower lip left top outer
    67 ; lower lip middle top
    68 ; lower lip right top outer
  }
}

由于该方法运用的是OpenCV的人脸检测器进行检测人脸，所以训练的时候要使用到OpenCV的人脸检测模型。用locate语句查找haarcascade_frontalface_alt2.xml人脸检测模型，找到后拷到~/superviseddescent/train_data路径下。下语句中的PATH根据你找到的haarcascade_frontalface_alt2.xml路径书写。
```
cd  ~/superviseddescent/train_data
locate haarcascade_frontalface_alt2.xml
cp  /PATH/haarcascade_frontalface_alt2.xml  .
```

数据准备完毕，可以开始编译代码了

cd  ~/superviseddescent
mkdir  build
cd  build
cmake  ..
make  -j6

编译完成后在可以得到可执行程序进行训练，运行代码

cd  ~/superviseddescent/build/apps/rcr
./rcr-train  --data  ../../../train_data/trainset/  \
-m  ../../../train_data/mean_ibug_lfpw_68.txt  \
-f  ../../../train_data/haarcascade_frontalface_alt2.xml  \
-c  ../../../train_data/rcr_training_68.cfg  \
-e  ../../../train_data/rcr_eval.cfg  \
-o  ../../../train_data/model68.bin  \
-t  ../../../train_data/testset/

操作完成后，程序开始训练，输出的特征点检测模型为model68.bin。

最后给出博主的github，只是单纯的加了一个train_data文件夹，并且复制好了训练需要的文件，只要安装opencv和eigen库后，git clone这份代码，最后按照博客下载数据集，即可训练。

SDM（superviseddescentmethod）人脸特征

猜你喜欢

热点阅读