dlib官网这里好像只有最新的dlib版本包，下载选项在左下角有个蓝色的按钮，写着download
博主用的还是目前最新的版本19.2，因为最新的dlib版本添加了一些新的人脸检测器，mmod+cnn算法，可以看看dlib的blog。
如果你是使用的C++，那么很简单，不用安装，直接按照官网的指示(也是在官网首页，左边栏目里有个how to compile，这个指示只是交你怎么快速使用dlib库中的examples).
从官网下载的dlib文件如下：
从dlib的根目录执行下面语句即可：
>>首先进入dlib的根目录下
>>再执行如下语句：
cd examples #进入dlib下的examples文件夹
mkdir build #新建build文件夹，存放cmake编译后的执行文件
cd build #进入新建好的build文件夹
cmake .. #cmake编译examples整个文件夹
cmake --build . --config Release 最终，dlib/examples/build文件夹如下：
这只是编译好了examples下的dlib，要想编译整个dlib库，则执行以下代码即可：
>>进入dlib根目录下
mkdir build
cd build
cmake ..
make release=1
如果要自己建立工程，可以仿照dlib/examples/CMakeLists.txt，直接include(dlib/dlib/cmake)文件即可。
在其他地方新建工程（不要放dlib根目录下），首先新建一个文件夹放置工程，进入文件夹下，新建CMakeList.txt文件，可以采用vim指令编辑，如下参考如下代码：
vim CMakeList.txt
再将如下代码复制到CMakeList.txt中：
cmake_minimum_required(VERSION 2.8.4) #版本最小为2.8.4
PROJECT(dlib_facedetector) #设置工程名
SET(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -std=c++11 -O2 -DDLIB_JPEG_SUPPORT")
IF(CMAKE_CXX_COMPILER_ID STREQUAL "Clang")
SET(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -Weverything")
ELSEIF(CMAKE_CXX_COMPILER_ID STREQUAL "GNU")
SET(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -Wall -Wextra")
ENDIF()
#INCLUDE OPENCV
FIND_PACKAGE(OpenCV REQUIRED)
INCLUDE_DIRECTORIES(${OpenCV_INCLUDE_DIRS})
message(STATUS "Opencv include dir found at ${OpenCV_INCLUDE_DIRS}")
#包含头文件
INCLUDE_DIRECTORIES(/home/fr/fr/dlib) #dlib根目录地址
LINK_DIRECTORIES(/home/fr/fr/dlib/build/dlib/) #dlib编译后bulid下dlib地址
#生产类似于.exe的可执行文件
ADD_EXECUTABLE(dlib_detector dlib_test.cpp)
#链接库
TARGET_LINK_LIBRARIES(dlib_detector dlib ${OpenCV_LIBS})
#TARGET_LINK_LIBRARIES(dlib_detector libjpeg.so)以上代码含OpenCV。
然后再自己vim test.cpp文件，编译执行，编译代码如下：
>>在自己建的工程文件夹下新建build文件夹
mkdir build
cd build
cmake ..
make -j8 #用make也行编译正确后，在build文件夹中会出现dlib_detector：
这就是我们需要的可执行文件。
然后再执行.cpp文件，执行代码如下：
>>在build文件夹下继续执行一行代码即可显示结果：
./dlib_detector注意：一旦我们修改过CMakeList.txt，我们需要将之前编译过的build文件删除掉，重新新建编译过一次
>>在工程目录下删除build文件夹，用rm -r指令
rm -r build
mkdir build
cd build
cmake ..
make -j8按上述方法新建好了一个工程，将官网给的例程复制在我们的.cpp中。
该算法来源于One Millisecond Face Alignment with an Ensemble of Regression Trees by Vahid Kazemi and Josephine Sullivan, CVPR 2014
if (argc == 1)
{
cout << "Call this program like this:" << endl;
cout << "./face_landmark_detection_ex shape_predictor_68_face_landmarks.dat faces/*.jpg" << endl;
cout << "\nYou can get the shape_predictor_68_face_landmarks.dat file from:\n";
cout << "http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2" << endl;
return 0;
}首先要去官网下载面部特征点检测模型，接着进行解压。这是一个.bz2的压缩文件，不是.dat.bz2，不要搞错了。解压代码可以参考我之前的一篇博客：Ubuntu解压命令集
bunzip2 shape_predictor_68_face_landmarks.dat.bz2注意，编译通过后运行.cpp根据程序内容，代码如下：
./dlib_detector ../shape_predictor_68_face_landmarks.dat ../*.jpg # ../*.jpg为实验图片地址 需要将源码给出的./face_landmark_detection_ex换成我们自己生成的./dlib_detector可执行文件
运行最后结果：
小图为7个人脸被剪切出来的图，已对齐。大图为7个人脸的68个特征点定位图。
博主用自己的头像做了一次实验，结果如下：
我故意歪了一定角度的头，可以看到，小图中人脸已经矫正了。
关于人脸检测，对齐，识别等过程，可详见《人脸识别笔记：Deep Face Recognition》 ，写得很详细。
上图来源于:http://www.cnblogs.com/cv-pr/p/5438351.html
博主师兄 Michaelliu_dev 亲临指导，感谢师兄写的blog。
