第1个回答 2017-05-23
doppia一共提供三种人脸检测方法，分别是DPM，HeadHunter和HeadHunter_baseline，后俩者在使用上没有什么差别，只不过是选择的模型不同，而DPM则可以视为与整个doppia相对立的一部分内容，它使用matlab编译运行，本节主要阐述HeadHunter的使用方法。
人脸检测模块在src/applications/objects_detection/中，假如你编译成功可以看到可执行文件objects_detection，该程序支持多种目标检测，具体要检测什么，主要看你的配置文件，人脸检测采用的配置文件是eccv2014_face_detection_pascal.config.ini，我们可以以此为模版，根据情况修改。 先说一下几个修改的地方，
save_detections = true 设置为true用于保存结果
process_folder = /opt/wangchao/new-fddb/ 这个就是你图片保存的目录，注意这里只支持单层目录，假如图片存储在这个目录下的其他目录，那么是读取不了的。
method = gpu_channels 这里可以设置选择cpu或gpu等，我们选择gpu
model = ../../../data/trained_models/face_detection/headhunter.proto.bin 之前提到过HeadHunter和HeadHunter_baseline方法，其不同就在于此处所择的模型不同，我们选择的是HeadHunter，用另一种的话就把路径指向那个就行了。
score_threshold ＝ 0.5 这是一个阈值，调低的话，可以增加召回率，相应的也会降低准确率，关于不同阈值对结果的影响建议参考论文。
还有一些其他的选项，我们暂时可以不用修，改保持默认即可。
另外，运行 ./objects_detection --help 可以看到更多的其他配置选项，接下来运行如下命令可以启动程序：
./objects_detection -c eccv2014_face_detection_pascal.config.ini --gui.disable true --gpu.device_id 1
在这里我们可以看到有俩个额外的选项–gui.disable 和 --gpu.device_id，程序规定，外部选项的优先级高于配置文件，也就是说我们可以用相同的配置文件，而在外部修改其某个选项，来方便测试，这里俩个选项也是我们常用的选项，–gui.disable用来选择是否开启gui，由于我们运行在云主机上，所以选择true，禁用gui；–gpu.device_id用来选择gpu设备，我们的机器有俩张卡，我们选择第二张卡，所以设为1，默认为0.
程序启动后会打印出很多命令，细心的可能会发现如下一条报错信息：
Error parsing text-format doppia_protobuf.DetectorModel: 2:2: Message type "doppia_protobuf.DetectorModel" has no field named "E".
无需介意这条错误信息，它并不会影响程序运行，开发者说此处报错是因为protobuf在选择表达方式，失败后会选择另一种可用的（大概就是这个意思吧），就是说你的程序是在正确运行。
程序运行结束后会在当前目录产生一个类似于2015_09_18_79659_recordings的文件夹，文件夹内有detections.data_sequence，这就是我们所要的结果，但是显然还需要进一步的处理。
在doppia根目录下 tools/objects_detection/detections_to_caltech.py 脚本用于帮助我们将.data_sequence转换为我们可以理解的方式，该脚本有俩个选项-i和-o，分别指定.data_sequence和输出目录。
运行后会在输出目录产生txt文件，文件名是图片名，文件内存储着截取的人脸坐标和置信概率，至此，我们通过doppia完成了人脸检测程序，获得了我们想要的结果。
这里提供俩个脚本，分别是修改过的detections_to_caltech.py和一个人脸截取脚本，修改过后的detections_to_caltech.py可以将所有照片按指定格式存储于一个txt内，人脸截取脚本通过读入该txt从相应照片上扣取人脸