源地址：http://blog.csdn.net/sunshine_in_moon/article/details/49838245/
3000FPS是人臉對齊算法，特點是速度快！我利用的是thinkface上一位大牛提供的代碼http://www.thinkface.cn/thread-3136-1-1.html這里面提供了C++版代碼，人臉數據庫及大牛訓練好的模型的連接，大家可以自行下載。下面介紹具體的配置過程以及遇到的問題和其解決方法。
安裝分為4個步驟：
1.下載人臉數據庫，獲取Path_Images.txt。
AFW人臉數據庫：http://www.thinkface.cn/thread-1029-1-1.html
LFPW人臉數據庫：http://www.thinkface.cn/thread-1032-1-1.html
Helen人臉數據庫：http://www.thinkface.cn/thread-1030-1-1.html
IBUG人臉數據庫：http://www.thinkface.cn/thread-1031-1-1.html
我使用的是lfpw庫，里面已經提供了Path_iamges.txt文件，如果你下載的庫沒有提供這個.txt文件，可以用下面的方法生成。比如我現在將AFW與LFPW作為訓練樣本的集合，那么先解壓然后保存到D:\Projects_Face_Detection\Datasets文件夾中，這是因為工程中train_model.m文件下第40行中定義的，也可以自己做修改.因為train_model.m文件中40行表示讀入訓練樣本的數據的文件是Path_Images.txt，所以進入控制台先轉到目錄D:\Projects_Face_Detection\Datasets\afw，然后輸入命令dir /b/s/p/w *.jpg>Path_Images.txt，這是將所有jpg的文件的文件名都輸入到Path_Images.txt文件中，同樣轉到目錄D:\Projects_Face_Detection\Datasets\lfpw文件夾中輸入命令dir /b/s/p/w *.png>Path_Images.txt，因為lfpw的數據都是png文件。
其中數據庫要根據你自己的數據庫以及數據庫的位置進行調整。
2、
下載liblinear庫，編譯獲取blas庫（liblinear/blas/blas.a）。你需要將你的blas.a替代build目錄下的blas.a。
注意：新版本的程序這個步驟可以省略，作者已經把其整合到了工程里。
新版本鏈接：https://github.com/yulequan/face-alignment-in-3000fps
不過你用的是老版本，那首先是下載liblinear，我的百度鏈接：http://pan.baidu.com/s/1gdruGuf
liblinear庫的安裝與使用可參考http://blog.csdn.net/zouxy09/article/details/10947323/
本人在此聲明，我沒有編譯成功，如果有編譯成功的朋友，麻煩留言，簡單講述下方法，在此感謝！
3、進入build文件夾，編譯該程序。
cmake make
說明：我用的是CMake界面版，在編譯時出現里個問題,提示要不到opencv庫，錯誤提示為：
CMake Error at CMakeLists.txt:6 (find_package):
By not providing "FindOpenCV.cmake" in CMAKE_MODULE_PATH this project has
asked CMake to find a package configuration file provided by "OpenCV", but
CMake did not find one
出現這個問題是因為CMake配置OpenCV時出錯，解決方法很簡單添加一個環境變量就好具體步驟：我的電腦右擊->屬性->高級系統設置->環境變量->新建，變量名：OpenCV_DIR（注意大小寫，不能出錯）變量值：D:\Program Files\opencv\build重新啟動電腦（很重要！！）再用CMake進行configure和generate，然后打開解決方案***.sln，進入VS，編譯，運行。這個問題的具體原因及解決方案請參考：http://m.blog.csdn.net/blog/ZHUQIBING/17184939
4、模型的訓練：在LBF.cpp文件中設置全局參數，在TrainDemo.cpp中設置數據庫。采用“LBF.out TrainModel”進行編譯。
具體設置：1）LBF.cpp文件修改、
modelPath：訓練模型保存的路徑，也是test階段模型加載的路徑
dataPath：數據庫圖片加載數據路徑，這里要注意，還記得第一步中的Path_images.txt文件嗎，這個文件里保存的就是圖片路徑，這個文件里的路徑就是D:/Projects_Face_Detection/Datasets/,如果你沒有自己生成Path_images.txt文件，而是使用官方提供的文件，那你的數據庫文件夾就要放在這個路徑下，也就是說你要在D盤下新建這個文件，否則你就好修改dataPath（不推薦，太麻煩，而且容易出錯）
cascadeName：這個參數不用修改，但是要把這個文件放到工程下如：
下面是選擇使用訓練數據庫：
選擇要訓練模型使用的庫，把不用的庫，直接注釋掉就可以了
下面是選擇測試數據庫：
與上面一樣，選擇你的數據庫即可，我這里是個錯誤，測試時的數據庫不應該與訓練數據庫相同。
2）TrainModel.cpp文件修改：
首先，把第一步生成的Path_Images.txt文件放到trainset文件下（很重要，我在廢了很長時間，才找到是這的問題）
3）TestModel.cpp文件修改
由於照片不能正常上傳，需要注意的地方與TrainModel,cpp一樣把Path_Image.txt放到testset文件下，否則找不到照片，就無法進行人臉檢測函數LoadOpencvBbxData(path, test_images, test_ground_truth_shapes, test_bounding_boxs);報錯！！！
5、編譯工程，編譯時提示錯誤：無法啟動程序 無法找到文件e:\projects_pcl\pcl_filters\bilateral_filter\build\x64\Debug\ALL_BUILD
這是因為用CMake生成工程文件是包含了ALL_BUILD、ZERO_CHECK兩個工程文件，直接把它們移除就OK！
具體請參考：http://blog.csdn.net/david_xtd/article/details/38381787
6、編譯成功后，就可以執行程序了。在數據庫上進行測試：在TestDemo.cpp文件中設置測試數據庫，使用“LBF.out TestModel”進行編譯。這是在命令行下執行的。如果你不想使用這種方式，我們可以使用下面的方法：
工程文件右擊->屬性->通用屬性->調試->命令參數（TrainModel：訓練模型，TestModel：測試）
如果想用我編譯好的工程可以給我留言！
參考鏈接：
http://blog.csdn.net/wangjian8006/article/details/42004717
http://www.thinkface.cn/thread-3136-1-1.html
http://blog.csdn.net/zouxy09/article/details/10947323/
http://m.blog.csdn.net/blog/ZHUQIBING/17184939
http://blog.csdn.net/david_xtd/article/details/38381787