SDM（superviseddescentmethod）人脸特征

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：

1. 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

2. 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

3. 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
   

4. 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。

5. 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
     }
   }
   

6. 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  .
   

7. 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。