调用Dlib库进行人脸关键点标记
昨天调试了人脸识别（classifier_webcam）这个程序，效果不错，响应速度也挺快。按照http://blog.csdn.net/u011531010/article/details/52270023博客内容进行调试即可。
今天调试了python写的landmark，用的是dlib库里的68点文件，其中dat文件为训练好的68点标注，我们加入了视频的实时检测的功能，仿照classifier_webcam这个文件（openface中的）使用VideoCapture(0)这个（0为本机摄像头，1为USB外设）函数打开，然后读取frame。注意标注时使用了for 循环，for i range(0,67)，将点一个个标注出来，经过使用print函数打印出shape.part(i).x shape.part(i).y，可见其为坐标 用cvCircle函数进行画圈。结果显示尚可，但仍为反映速度较慢，明天使用cuda进行加速，但在这之前需要安装一些文件,拟采用http://www.mobibrw.com/2017/7153 博客中使用的方法。
关键代码：
ret, frame=video_capture.read()
dets = detector(frame, 1)
for k, d in enumerate(dets):
shape = predictor(frame, d)
for idx in range(0, 67):
#pos = (point[0,0],point[0,1])
pos = (shape.part(idx).x, shape.part(idx).y)
#print(shape.part(i).x,shape.part(i).y)
cv2.circle(frame, pos, 5, color = (225, 0, 0))
#cv2.putText(frame, str(idx), pos, color = (0, 255, 0))
cv2.imshow('N1', frame)landmark效果应该如下：
就先写到这儿了，明天再看。
-------------------------------------------------------------------------------------------------------------------------------------------
果然遇到了问题，不过这次问题解决起来还是挺顺利的，报错："libcudart.so.8.0 cannot open shared object file: No such file or directory"
参考博客：http://blog.csdn.net/u014696921/article/details/60140264 即可完成。
对Openface训练的人脸识别（Face Recognition）模型进行测试，这个模型过程为：输入整个图片-人脸检测（调用dlib中frontal_face_detector库）-进行人脸对齐（仿射变换affine transform）-输入神经网络（CNN）+Triplet loss函数修正网络-- 输入128维特征，生成csv矩阵文件 最后使用SVM分类器进行分类生成pkl分类器，最后使用classifier.py调用形成的pkl进行识别分类。【实践过程参考http://blog.csdn.net/u011531010/article/details/52270023】
classifier_webcam实验结果：
阈值threshold越小，越容易匹配到一个人，但错误率也越高。
转头角度过大会失败，捂着眼睛（wcc）失败，不含捂嘴捂着眼睛的图片
捂嘴成功（zzy，训练集中包含捂嘴图片）
说明需要一些不同姿态的训练集尤其是对脸部遮挡的，因为每次训练的时候都会对脸部进行对其，脸以外的部分均被剔除了，在脸上做文章并进行训练才行，并且要加大训练集，实时动态的进行识别的时候准确率会比静态识别图片差一些。
不在一个电脑上实验，所以贴图有点困难。。。。