筆者的最新私人博客網站經過一段時間的努力，已經初期建設完畢，csdn上的博文會逐漸轉移過去～～ 歡迎訪問呀～ |=傳=送=門=> 多多洛的博客

2016年，中科院山世光老師開源了其研發的seetaface人臉識別引擎，使用VS編譯，只能在window系統上運行，若想在Mac和Linux系統上使用，還需進行手動編譯；隨后又發布了seetaface2版本，這一版本的重大特性在于增加了對Linux和Android的支持，為這兩個平臺的研發人員提供了很大的便利。

筆者目前主要在Linux平臺上進行人臉識別研究和學習，發現網絡上目前幾乎沒有對seetaface2在Linux平臺上的完整配置教程，經過筆者的多次試驗，總結出在Linux Qt上的較為完整的配置教程（及配置過程中可能遇到的問題），記錄如下。

---

一、seetaface2在LInux上的配置

先介紹一下筆者的開發環境：操作系統是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 編譯器的版本是5.4.0。

（一）配置前的準備

Step1 安裝依賴環境

打開終端，輸入以下命令進行安裝：

# 更新軟件列表 sudo apt-get update # 安裝依賴環境 sudo apt-get install libopenblas-dev libprotobuf-dev libssl-dev

Step2 下載seetaface2的源碼、模型文件

官方的下載鏈接是：Seetaface2 For Linux

進入鏈接，依次下載以下四個文件（頭文件、鏈接庫文件、FaceCropper鏈接庫文件、模型文件），如下圖所示：

并將其放到本地相關目錄里。

Step3 在計算機中進行配置

一般來說，第三方的頭文件和鏈接庫都統一放于“/usr/local/”目錄下，從而便于管理和使用（之前配置OpenCV時，頭文件和鏈接庫也是放在這個目錄下的）。所以筆者將頭文件放在了“/usr/local/include/” 目錄下（為了便于整理，新建一個子文件夾，叫seeta，將頭文件放入），將鏈接庫放在了“/usr/local/lib/” 目錄下。筆者的配置步驟如下，可供參考：

筆者先將所有庫文件統一整理到lib文件夾里，頭文件整理到seeta文件夾里，如下圖所示：

在當前目錄下打開終端，輸入命令：

sudo mv seeta /usr/local/include/ sudo mv ./lib/lib*.so /usr/local/lib/

這樣，在計算機上的配置就完畢了，接下來是在Qt里的配置。

Step4 在Qt中進行配置

新建一個基于C++的Qt Console Application，Build System選擇Qmake，創建完成后打開pro文件，加入以下內容，對頭文件和庫文件進行配置：

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：筆者的OpenCV頭文件也是在/usr/local/include下的，庫文件也是在/usr/local/lib下的，讀者可自身的路徑情況進行修改）

---

關于pro文件的配置：

筆者最初由于pro文件配置錯誤，導致Build工程的時候出現了很多問題，所以pro文件一定要書寫正確，不然會導致無法找到庫文件。

INCLUDEPATH += 是用于指定頭文件的目錄，可以用絕對或相對路徑；相對路徑中./可以省略；路徑中不允許出現空格。

LIBS += 是動態鏈接庫的配置語句，注意“+=”中間一定不能有空格，這是一個符號，一個整體；后接“-L”指定路徑，然后“-l”（小寫的L）指定庫的名稱，注意這里庫的名稱指的是庫文件名“lib”之后，“.so”之前的那段字，比如：

這個庫文件的文件名是“libSeetaPointDetector200.so”，那么對應的庫的名稱是“SeetaPointDetector200”。
LIBS += 可以寫在一行，也可以用 \ 斷行。

其他的注意事項可以參考這位博主的博文，總結得很不錯。

---

到這里就基本上配置完成了，接下來通過一個demo來檢驗配置是否成功。

二、seetaface2實例

配置完成后，打開主程序main.cpp，添加以下代碼：

#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 landmarksseeta::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; }

這是官方上提供的一個SeetaFace2 Cropper的例子，可以通過人臉的5個特征點將一幅圖像中的人臉ROI切割出來并保存在本地。實驗結果如下：

三、編譯時可能出現的問題（持續總結更新中…）

? 報錯：’nullptr’ was not declared in this scope

這是因為seetaface2使用了大量的C++11的新特性，所以編譯時需要開啟C++11的全部特性。解決方法如下：

先確認自己的G++編譯器的版本（打開終端，輸入g++ --version 后回車），記下自己的版本

打開pro文件進行編輯，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，則添加QMAKE_CXXFLAGS += -std=c++11，然后清理一下工程，重新Build即可（注意，一定要確認好版本，不同版本的配置是不通用的）。

總結

以上是生活随笔為你收集整理的「seetaface2」中科院人脸识别引擎seetaface2在Linux Qt上的配置教程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。