c++ dlib 用 resnet-34 实现人脸检测

使用 C++ 和 dlib 库实现人脸检测是非常简单的。dlib 库已经内置了 resnet-34 模型，可以直接用于人脸检测。

以下是一个简单的示例代码：

#include <iostream>
#include <dlib/opencv.h>
#include <opencv2/opencv.hpp>
#include <dlib/image_processing/frontal_face_detector.h>
#include <dlib/image_processing.h>

using namespace std;
using namespace dlib;
using namespace cv;

int main()
{
    try
    {
        // 初始化人脸检测器
        frontal_face_detector detector = get_frontal_face_detector();
        // 初始化形状预测器，用于获取人脸关键点
        shape_predictor sp;
        deserialize("shape_predictor_68_face_landmarks.dat") >> sp;

        // 加载图像
        Mat img = imread("test.jpg");

        // 将图像转换为 dlib 的图像格式
        cv_image<bgr_pixel> cimg(img);

        // 进行人脸检测
        std::vector<dlib::rectangle> faces = detector(cimg);

        // 遍历检测到的人脸
        for (size_t i = 0; i < faces.size(); ++i)
        {
            // 获取人脸关键点
            full_object_detection shape = sp(cimg, faces[i]);
            // 在图像上绘制人脸矩形框和关键点
            for (unsigned long j = 0; j < shape.num_parts(); ++j)
            {
                circle(img, cv::Point(shape.part(j).x(), shape.part(j).y()), 2, cv::Scalar(0, 255, 0), -1);
            }
            rectangle(img, cv::Point(faces[i].left(), faces[i].top()), cv::Point(faces[i].right(), faces[i].bottom()), cv::Scalar(0, 0, 255), 2);
        }

        // 显示结果
        imshow("result", img);
        waitKey(0);
    }
    catch (exception& e)
    {
        cout << e.what() << endl;
    }

    return 0;
}

这个示例代码中，我们首先加载了一张名为 "test.jpg" 的图像。然后使用 dlib 的人脸检测器进行人脸检测，并获取人脸关键点。最后，在图像上绘制人脸矩形框和关键点，并显示结果。

需要注意的是，我们使用的是 dlib 提供的形状预测器，该预测器可以预测出人脸的 68 个关键点。如果你想要使用自己的形状预测器或者检测更多的关键点，需要对代码进行相应的修改。