我們主要講一講Github上給出的matlab開源代碼《jwyang/face-alignment》的配置。
首先聲明：本人第一次配置的時候也是參考了csdn一個作者和github給出的說明配置成功的。其實后來想想很簡單的，但是可能對于初學者，還是有一定的困難。為此，本人將自己的一些心得列出來，以供參考。
另外，本人對代碼做了詳盡的注釋，代碼下載地址：http://pan.baidu.com/s/1nu58xx3

下載源代碼：https://github.com/jwyang/face-alignment

環境：windows64位+matlab2014a

下載數據庫，本人給出自己收集的一個數據集。見百度網盤（密碼：in）。注意：我們這里訓練的是68個特征點的，我那個數據集還有29個點和194個點的。

為代碼中的訓練樣本函數的依賴庫liblinear做配置，從http://www.csie.ntu.edu.tw/~cjlin/liblinear/，可以直接下載liblinear庫，然后如果你的系統是windows64位的就直接從里面的windows文件夾中將里面的文件全部拷貝到matlab的工程文件夾中（我就是這樣干的，當然你也可以自己編譯，參考文獻：http://blog.sina.com.cn/s/blog_5bd2cb260100ev25.html）。（本人也上傳了一個下好的liblinear庫）

準備數據，建立一個文件夾叫datasets，里面可以放你下好的數據，包括圖片和shape txt.

因為train_model.m文件中

for i = 1:length(dbnames)% load training samples (including training images, and groundtruth shapes)if strcmp(dbnames{i},'lfpw')==1imgpathlistfile = strcat('./datasets/', dbnames{i}, '/trainset/Path_Images.txt');elseimgpathlistfile = strcat('./datasets/', dbnames{i}, '/Path_Images.txt');endtr_data = loadsamples(imgpathlistfile, 2);Tr_Data = [Tr_Data; tr_data]; end

表示讀入訓練樣本的數據的文件是Path_Images.txt，所以進入控制臺(cmd)先轉到目錄../datasets/afw，然后輸入命令dir /b/s/p/w .jpg>Path_Images.txt，這是將所有jpg的文件的文件名都輸入到Path_Images.txt文件中，同樣轉到目錄../datasets/lfpw/trainset文件夾中輸入命令dir /b/s/p/w .png>Path_Images.txt，因為lfpw的數據都是png文件。注意train數據集和test數據集都要做一遍。

注意：afw,ibug都是只有一個數據集，而lfpw分為兩個，一個訓練集，一個測試集。
7. 然后我們開始訓練樣本，在matlab文件夾下新建一個m文件，例如我這里建的是:train_start.m,然后里面輸入一下代碼：

filepath_model='./models/LBFRegModel.mat';LBFRegModel=train_model({'lfpw'});save(filepath_model,'LBFRegModel');

和《Face Alignment at 3000FPS工程配置》略有不同，其實本質一樣。都是為了保存訓練好的數據。只不過他分開保存，我一塊而保存而已。

然后執行，訓練樣本的時間可能會過長。目的是將訓練后的結果導入LBFRegModel.mat文件夾中.當訓練完畢后，可以在./models文件夾下看到LBFRegModel.mat。
8. 觀看結果。在matlab文件夾下新建一個m文件，例如我這里建的是:test_start.m,在里面輸入下面代碼：

filepath_model='./models/LBFRegModel.mat'; m=load(filepath_model,'LBFRegModel'); t=m.LBFRegModel; [predshapes,Data]=test_model({'lfpw'},t); [X,Y,N]=size(predshapes); for i=1:Nshapes=predshapes(:,:,i);img=Data{i}.img_gray;drawshapes(img, [shapes,Data{i}.shape_gt]);rectangle('Position', Data{i}.bbox_facedet, 'EdgeColor', 'b');hold off;pause; end

就可以看到結果了。
PS： Github上有作者自己訓練的一個模型。使用時只需放在models里面，并將test_start.m中改為filepath_model=’./models/LBFRegModel_best.mat’;再將./src/config_te.m打開，將models/config_te_best.txt的內容復制進來即可。

另外：關于3000fps方法，網上也有許多好的資料，這里給出兩個鏈接：
http://blog.luoyetx.com/2015/08/face-alignment-at-3000fps/#
http://freesouls.github.io/2015/06/07/face-alignment-local-binary-feature/（中間求特征樹有一點問題，可以參考文中后面的答復).

后面，我會詳細講解這個matlab代碼的原理，重點是預處理和訓練，測試基本和訓練相同。

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的face alignment by 3000 fps系列学习总结的全部內容，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。