本文共 4451 字，大约阅读时间需要 14 分钟。

前言

关于libfacedetection库的配置及使用，以及用cmake来编译第三方开源库

一、libfacedetection库是什么？

1.1、libfacedetection库的定义：

       这是一个基于cnn的图像人脸检测开源库。CNN 模型已转换为 C 源文件中的静态变量。源代码不依赖于任何其他库。您需要的只是一个C++编译器。您可以使用一个数据库的编译器在 Windows、Linux、ARM 和任何平台C++源代码。

1.2、如何使用libfacedetection库：

       将目录 src/ 中的文件复制到项目中，并将它们编译为项目中的其他文件。源代码以标准 C/C++。应在支持 C/C++ 的任何平台上编译。

1.3、获libfacedetection安装包的渠道：

       在这个链接中，我们能看到libfacedetection库的所有内容,并下载、解压：
下载方式如下：

二、在vs2019中配置libfacedetection库：

2.1、打开你的libfecetection解压的文件夹：

2.1、打开vs中的项目文件夹：

2.2、找到libfacedetection解压包的目录，将 src 文件夹复制到项目中:

2.3、在vs编译环境中，将它们编译为项目中的其他文件:

2.3.1、在 头文件 中添加现有项facedetectcnn.h：

2.3.2、在 源文件 中添加现有项：facedetectcnn.cpp、 facedetectcnn-int8data.cpp、 facedetectcnn-model.cpp

2.3.3、这四个文件都在 src 文件夹中，添加完成如下：

三、在vs2019中使用libfacedetection库：

3.1、首先，我们打开文件 detect-iamge.cpp ：

3.2、其次，修改 detect-iamge.cpp 的文件内容为：

3.2.1、 代码块

#include <iostream>#include <opencv2/opencv.hpp>#include <facedetectcnn.h>#define DETECT_BUFFER_SIZE 0x20000 //定义缓冲区大小#define FACEDETECTION_EXPORTusing namespace std;using namespace cv;int main() {   	Mat src, dst;	src = imread("D:\\Myfile\\素材照片\\opencv素材照片\\7.jpg");  //导入需要识别的图像		if (!src.data) {   	//若不存在就返回 could not load your image!		cout << "could not load your image!" << endl;		return 0;	}	//pBuffer用来检测人脸	unsigned char* pBuffer = new unsigned char[DETECT_BUFFER_SIZE];  //multiple threads	//是多线程时，要分配内存空间	if (!pBuffer) {    //如果无法分配内存，就返回could not alloc buffer!		cout << "could not alloc buffer！" << endl;		return 0;	}	dst = src.clone();	//将src原图像复制给dst	TickMeter myClock;	//计时器	myClock.start();	int* pResults = NULL; //用来检测人脸	pResults = facedetect_cnn(pBuffer, (unsigned char*)(src.ptr(0)), src.cols, src.rows, src.step);	//利用facedetect_cnn函数来获取人脸，用于存储人脸检测结果的缓冲存储器！其大小必须为0x20000字节	//facedetect_cnn函数识别的图像必须为BGR三通道的图像，而非rgb图像	myClock.stop();	cout << myClock.getTimeSec() << "s" << endl;	//输出检测人脸耗费时长	for (int i = 0; i < (pResults ? (*pResults) : 0); i++) {   		//如果pResult为NULL,即pResult没有检测到人脸，就返回0，for循环结束		short* p = ((short*)(pResults + 1)) + (142 * i);		//p指针用来指向		int confidence = p[0];		int x = p[1];		int y = p[2];		int w = p[3];		int h = p[4];		//显示脸的分数。其范围为[0-100]		char sScore[256];		snprintf(sScore, 256, "%d", confidence);		/*从给定位置加载数据，转换为字符串等价版本，并将结果写入各种池。			1) 写结果到 stdout 。2) 写结果到文件流 stream 。3) 写结果到字符串 buffer 。			4) 写结果到字符串 buffer 。至多写 buf_size - 1 个字符。产生的字符串会以空字符终止，除非 buf_size 为零。			若buf_size为零,则不写入任何内容,且buffer可以是空指针,然而依旧计算返回值(会写入的字符数,不包含空终止符)并返回。			若调用 sprintf 或 snprintf 导致在重叠的对象间发生复制，则行为未定义。			（例如 sprintf(buf, "%s text", buf); ）*/		putText(dst, sScore, Point(x, y - 3), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(0, 255, 0), 1);		//计算文本字符串的宽度和高度。		//把脸用矩形画出来		rectangle(dst, Rect(x, y, w, h), Scalar(0, 255, 0), 2);		//画五个不同颜色的面部标志		circle(dst, Point(p[5], p[5 + 1]), 1, Scalar(255, 0, 0), 2);		circle(dst, Point(p[5 + 2], p[5 + 3]), 1, Scalar(0, 0, 255), 2);		circle(dst, Point(p[5 + 4], p[5 + 5]), 1, Scalar(0, 255, 0), 2);		circle(dst, Point(p[5 + 6], p[5 + 7]), 1, Scalar(255, 0, 255), 2);		circle(dst, Point(p[5 + 8], p[5 + 9]), 1, Scalar(0, 255, 255), 2);		//circle()绘制简单或粗椭圆弧或填充椭圆扇区。		/*		Point类的实例可以与C结构、CvPoint和CvPoint2D32f互换。		还有一个cast操作符将点坐标转换为指定的类型。		从浮点坐标到整数坐标的转换是通过舍入完成的。		通常，转换对每个坐标都使用此操作。		*/	}	namedWindow("output_detect_image", WINDOW_AUTOSIZE);	imshow("output_detect_image", dst);	//输出识别后的图像	waitKey(0);	return 0;}

3.3、当我们将代码写完后，会发现有错误：

我们打开 facedetectcnn.h 的错误内容， 并修改.

3.4、第一种方法：用 cmake 编译第三方库的源代码，获取 facedetection_export.h文件:

3.4.1、cmake官方下载地址：

3.4.2、配置cmake的环境变量：

在cmd中输入cmake,检查是否配置完成：

3.4.3、打开命令窗口（cmd）输入：

cd D:\\OpenCV4.5.1\\libfacedetection-master
mkdir build
cdbuild
cmake G "Visual Studio 15 2019 Win64" -T host=x64 ..
cmake --build . --config Release
输入时不能省略一个符号。
执行完后的结果：

3.4.4、将build中的 facedetection_export.h 复制到 src 文件夹中：

3.4.5、将 facedetection_export.h 导入到vs2019所建立的项目头文件中：

3.4.6、问题解决如下：

3.4.7、注意事项：

1)facedetection_export.h 是运行cmake之后产生出来的2)先用cmake编译本项目，然后把生成的 facedetection_export.h 和源码一起复制到其它项目。3)增加 facedetection_export.h 文件，在其中定义宏 FACEDETECTION_EXPORT		#define FACEDETECTION_EXPORT

3.5、第二种方法（不建议）：直接注释 #include “facedetection_export.h” ；删除 FACEDETECTION_EXPORT

效果如下：

3.6、运行结果：

四、基于 CNN 的 Windows 人脸检测

最小面尺寸 ±10x10
英特尔（R）核心（TM） i7-1065G7 CPU = 1.3GHz

总结：

本文讲述了libfacedetection库的定义及安装，在vs2019中配置；
讲述了如何用cmake来编译第三方开源库。

参考来源

如有疑问，请留言!
如有错误，敬请指教！