SDM(Supervised Descent Method)用於人臉對齊的C++實現方法
為了除錯這個程式碼，花了我整整一天的時間，需要用到的東西太多了，所以比較費時費力，現在將實現過程總結如下：
需要的工具（建議都使用最新版的）：
1、OpenCV 2.4.9或3.0版本即可，沒有太高的要求（我使用的是OpenCV 2.4.9）;
2、Cmake(跨平臺的安裝(編譯)工具)及Eigen(C++開源矩陣計算工具)最新版下載地址：點選開啟連結 ；
3、boost庫下載地址：點選開啟連結。
下載boost_1_58_0-msvc-12.0-64.exe，然後開啟，編譯下去（如果需要可關閉防毒軟體）使用時，將包含檔案、庫檔案加到你的專案目錄中，同時在path(系統變數)中加上F:\local\boost_1_58_0\lib64-msvc-12.0。
同時在環境變數->使用者變數，增加如下變數：
BOOST_ROOT： F:\local\boost_1_58_0
以上的路徑都是自己存放boost庫的位置，改變環境變數之後記得重啟電腦哦。
操作步驟：
1、安裝cmake，我使用的是3.5.1不用設定，有的版本需要做如下設定：如Cmake2.8.12，裡面沒有包含boost1.58.0，所以需要加上，方法是開啟cmake目錄下的FindBoost.cmake檔案，裡面新增1.58.0，具體如下示意圖：
2、在superviseddescent-master下設立build資料夾，然後
開啟cmake gui，如下配置：
cmake先是Configure,提示選擇vs2013 win64，然後Generate。Generate一次後可以接著點選剩下的幾個選項，他們是生成doxygen說明檔案的。再次Generate.
注意：由於我這裡使用的boost是64位的，所以cmake的時候選擇vs2013 win64，否則後面再vs2013中編譯失敗，出現x86與64位衝突的錯誤。
測試
我們以人臉對齊為例，將原始碼改變如下：
即可執行。
轉載請註明原文連結：http://blog.csdn.net/duan19920101/article/details/51166938
相關推薦
SDM(Supervised Descent Method)用於人臉對齊的C++實現方法
為了除錯這個程式碼，花了我整整一天的時間，需要用到的東西太多了，所以比較費時費力，現在將實現過程總結如下： 需要的工具（建議都使用最新版的）： 1、OpenCV 2.4.9或3.0版本即可，沒
Win下 C++版SDM(Supervised Descent Method）演算法實現
前期相關安裝配置工作： OpenCV version >= 2.4.3 （我使用的版本為2.4.9）官網下載地址 下載後解壓至相關路徑（我的解壓路徑為：F:/opencv，新增環境變數（右鍵我的電腦->屬性->高階系統設定-&g
SDM(supervised descent method)演算法
最近在研究人臉特徵點檢測，之前沒接觸過，有些論文雖然能看懂，但是細節的部分可能之前的論文都有提到過，就沒有再提。所以找了一篇稍微早一點的文章開始學習起來。 MATLAB版本的程式碼基本上都看懂了，不過作者可能之前做過ASM，程式碼中有一些方法沒有使用，或者使用
人臉檢測、人臉對齊（MTCNN方法）
眾所眾知，嚴格定義上的人臉識別分為四個步驟： ①人臉檢測：從圖片中準確定位到人臉 ②人臉矯正（對齊）： 檢測到的人臉，可能角度不是很正，需要使其對齊 ③對矯正後的人臉進行特徵提取 ④對兩張人臉影象的特徵向量進行對比，計算相似度 這裡，我們主要是推薦步驟1和步驟2用到的一個方
基於Landmark的人臉對齊以及裁剪方法
利用Landmarks進行人臉對齊裁剪是人臉檢測中重要的一個步驟。效果如下圖所示： 基本思路為： a.人臉檢測 人臉的檢測不必多說了，基本Cascade的方式已經很不錯了，或者用基於HOG/FHOG的SVM/DPM等。這些在OpenCV，DLIB都
人臉識別之人臉對齊（九）--SDM演算法
轉自：http://blog.csdn.net/huneng1991/article/details/51901912 http://blog.csdn.net/qq_14845119/article/details/53520847 略刪改。 SDM(Supervis
人臉對齊之SDM / 人臉對齊之LBF / 人臉實時替換
2015年9月16日釋出 2016年5月4日釋出 In computer animation, animating human faces is an art itself, but transferring e
SDM（Supervised Descent Method）演算法的簡單實現
Supervised Descent Method for Solving Nonlinear Least Squares Problems in Computer Vision程式碼實現，貌似有問題，求交流！y=[1
SDM人臉對齊系列一：資料預處理
人臉對齊是人臉識別系統中很重要的一個環節，SDM是傳統人臉對齊演算法中效能較為不錯的一種，在今天這個深度學習如火如荼的時代，SDM依舊具有一定的優勢。SDM相比深度網路具有模型小，速度快等優點。儘管SDM已經出現了好幾年，但是網路上對其具體的詳細講解的知識還是比較少，
人臉識別之人臉對齊（八）--LBF演算法
整體來看，其實 ，ESR是基礎版本的形狀迴歸，ERT將回歸樹修改為GBDT，由原始的直接回歸形狀，改進為迴歸形狀殘差，而LBF，是加速特徵提取，由原來的畫素差分特徵池，改為隨機選擇點。 轉自：http://blog.csdn.net/qq_14845119/article/de
人臉識別之人臉對齊（七）--JDA演算法
其實，這裡JDA之前在人臉檢測中解釋過，這裡再轉一篇的目的在於，此文更貼近論文，同時，JDA本來包含人臉檢測和人臉對齊，作為一個整體訓練和測試的。 轉自：http://blog.csdn.net/shixiangyun2/article/details/50809078 第一節： &nb
人臉識別之人臉對齊（六）--ERT演算法
1.概述 文章名稱：One Millisecond Face Alignment with an Ensemble of Regression Trees 文章來源：2014CVPR 文章作者：Vahid Kazemi ，Josephine Sullivan 簡要介紹：One Milliseco
人臉識別之人臉對齊（五）--ESR演算法
轉自：https://blog.csdn.net/app_12062011/article/details/52573024 原文：http://www.thinkface.cn/thread-2911-1-2.html 原文翻譯我看的好蛋疼，完全機器翻譯。甚至懷疑作者是否有通讀過一次
人臉識別之人臉對齊（四）--CLM演算法及概率圖模型改進
原文： http://blog.csdn.net/marvin521/article/details/11489453 04、概率圖模型應用例項 最近一篇文章《Deform
人臉識別之人臉對齊（三）--AAM演算法原文： http://blog.csdn.net/colourfulcloud/article/details/9774017 AAM(Active Appear
原文： http://blog.csdn.net/colourfulcloud/article/details/9774017 AAM(Active Appearance Model)主動外觀模型主要分為兩個階段，模型建立階段和模型匹配階段。其中模型建立階段包括了對訓練樣本分別建立形狀模型(
人臉對齊（二十一）--A Recurrent Encoder-Decoder Network for Sequential Face Alignment
轉自：https://blog.csdn.net/shuzfan/article/details/52438910 本次介紹一篇關於人臉關鍵點檢測(人臉對齊)的文章： 《ECCV16 A Recurrent Encoder-Decoder Network for Sequential Fac
人臉對齊演算法常用評價標準，人臉關鍵點的評價標準 人臉對齊演算法常用評價標準
原 人臉對齊演算法常用評價標準 2018年08月24日 09:43:50 Godswisdom 閱讀數：124 &l
清華&商湯開源超高精度邊緣感知人臉對齊演算法 清華&商湯開源超高精度邊緣感知人臉對齊演算法
Look at Boundary: A Boundary-Aware Face Alignment Algorithm https://wywu.github.io/projects/LAB/WFLW.html 轉 清華&商
python ubuntu dlib人臉識別3-人臉對齊
人臉對齊主要用於提特徵。其他作用可以自行研究。 import sys import dlib if len(sys.argv) != 3: print( "Call this program like this:\n" " ./face_ali
人臉對齊 face alignment 或 人臉關鍵點檢測
圖片來源於網路 人臉對齊基本流程 1. 人臉預處理 識別：輸入影象-》人臉檢測-》人臉框圖片 歸一化：scaling+lighting+enlarging(資料增廣）-》歸一化後的臉部影象 2.shape的初始化 1）mean shape