On my way

参考网上的一种做法，这里把如下文件中https://raw.githubusercontent.com/开头的下载地址前面都增加“https://mirror.ghproxy.com/”变成“https://mirror.ghproxy.com/https://raw.githubusercontent.com/”开头。然后就会生成OpenCV.sln，使用VS2017打开它，分别在Debug和Release模式下进行编译和安装，编译产物会存放在build/vs2017_x64/install文件夹下。

人脸检测是一个老话题了，网上有很多的开源模型；但大部分模型训练时的样本都是“正角度”分布，即眼睛在上鼻子在下，使得模型的使用也限制于该类场景。但实际场景中经常出现非“正角度”的人脸。针对这种场景的人脸检测，作者在2018年提出了一种由粗到精渐进式的、检测速度高的旋转人脸检测模型，称为Progressive Calibration Networks，简称PCN，效果如下图所示。...

一、背景MTCNN是一种经典的人脸检测方法，通过三个阶段的深度卷积网络级联，实现“由粗到精”的检测过程，最终能够输出一幅图像中的人脸框坐标与每个人脸的5个特征点坐标。网络上有关该论文与方法的解读有很多，也不需要我重复啦，在最后的参考中我会放上自己觉得不错的几篇链接。这篇文章主要给出Python中调用训练好的MTCNN模型做正向推理的过程，其中大部分参考自https://blog.csdn.net/BEYONDldh/article/details/105221244，感谢这位博主的无私分享。我会给出所有阶

这一篇主要记录模型的训练尝试过程，之所以称为“尝试”，是因为受限于个人能力与硬件配置，这里只做了简单粗浅的训练，无法提供详细的调参/效果提升的相关建议。训练代码包括训练集数据主要参考自链接，原文中代码存在一些错误在这里做了一些修改。另外这里只训练模型输出人脸得分与人脸框位置，并未输出人脸5个关键点信息。简单描述MTCNN的训练过程：训练PNET：其输入图宽高为12X12，输出为人脸得分与人脸框位置；训练RNET：将得到的PNET作用于人脸数据集，并将得到的人脸框与参考人脸框计算IOU，再根据其大小分为

本讲我们围绕瘦脸功能展开，瘦脸的功能很明确：让脸部变得瘦削，如下图所示。从图像处理的角度来说它将脸部轮廓周围的图像进行收缩操作，同时还要确保收缩后图像分布连续；与大眼算法类似，它也是一种非线性变形的算法。

我们需要将上述描述量化表达，以r代表上述变形区域的圆的半径，X表示原始图像像素到变形圆圆心的距离，Y表示像素变形后的其距离变形圆圆心的距离，则其形状大致如下图所示。如下图所示，我们可以规定处理区域为眼睛为圆心的一个圆形，从圆心区域开始图像会放大，但该放大的比例随着距离圆心的距离而变小，直至边缘区域的放大比例为0。不过在实际图像变形操作中我们要从目标图像映射到原图，因此我们需要将X/Y调换，让X表示变形后图像的像素距离变形圆中心的距离，Y表示原图像素距离变形圆中心的距离，则其形状如下图所示。

从大众审美的角度来看，眼睛适当的“变大”会让人显得更加年轻。因此美型中就有一项大眼功能，其效果就是让眼睛适当变大，这章内容就围绕着大眼算法展开。

之前我们已经完成了人脸检测、肤色检测、磨皮、美白功能，这一篇文章中我们将尝试利用OpenCV中的滑动条对象，结合窗口制作一个简单的demo。demo中会将上述功能集成进来，并通过滑动条来调整美白、磨皮力度观察其效果，先放一张效果图如下。

有个词叫做“肤若凝脂”，直译为皮肤像凝固的油脂，形容皮肤洁白且光润，这是对美女的一种通用评价。实际生活中我们的皮肤多少会有一些毛孔、斑点等表现，在观感上与上述的“光润感”相反，因此磨皮也成为美颜算法中的一项基础且重要的功能。让皮肤变得更加光润，就是磨皮功能的目标。

俗说话“一白遮三丑”，这代表一种大众审美的标准，也是众多化妆品的宣传卖点之一；因此美白也成为美颜算法中一项基础且重要的功能。

肤色检测技术在人脸检测与识别、视频监控系统、裸图像检测、基于内容的图像检索、手势识别、肤色病学诊断、驾驶员疲劳检测、人机交互等领域有着广泛的应用，近年来得到了广泛的关注和研究。针对美颜美型应用，我们需要肤色检测功能得到皮肤区域，然后针对性地进行磨皮、美白等操作。

人脸关键点检测是指给定人脸图像，定位出人脸面部的关键区域位置，包括眉毛、眼睛、鼻子、嘴巴、脸部轮廓等。和人脸检测类似，由于受到姿态和遮挡等因素的影响，人脸关键点检测也是一个富有挑战性的任务。本文主要描述人脸关键点检测任务的定义，发展历程，以及使用OpenCV实现人脸关键点检测的操作。

人脸检测是指对于给定的图像进行处理，判断其中是否存在人脸，如果存在则计算得到其位置、大小（和姿态）。人脸检测是一项人工智能应用中十分常见且重要的基础功能，广泛应用于人脸识别/对比、智能监控、美颜美型等领域。具体的，在美颜美型功能中，人脸检测的功能主要有两方面。首先通过判断图像中是否存在人脸，来决定是否继续做后续的美颜美型操作；其次是人脸检测得到的人脸框，可协助后续的脸部肤色检测、人脸关键点检测等功能。

俗话说“工欲善其事，必先利其器”，本文是《OpenCV实战之人脸美颜美型》系列文章的第一篇，旨在协助读者搭建好便捷的开发环境，为后续的开发打下良好基础。从标题中就可以看出，我们围绕着OpenCV进行开发，利用其强大丰富的接口来实现各种美颜美型相关功能，那么现在就跟着文章开始构造OpenCV相关的开发环境吧！