SDM（superviseddescentmethod）人脸特征点训练

• 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。