來源：https://blog.csdn.net/2403_87969572/article/details/151656986

抓取時間（ISO本地）：2026-05-18 05:17:11

---

文章目錄

• 前言
• 一、歐拉角是什麼？
• 二、3DDFA 代碼配置
• • 1、硬件要求
  • 2、代碼下載
  • 3、環境編譯
  • • Windows系統
    • MacOS系統
  • 4、代碼實現

---

前言

在計算機視覺領域，人臉姿態檢測是一個重要的研究方向，在人臉識別、人機交互、虛擬現實、駕駛員監控等場景中都有廣泛的應用。人臉姿態通常可以通過歐拉角來描述。3DDFA（3D Dense Face Alignment）是一種基於深度學習的人臉密集對齊方法，能夠從單張 2D 人臉圖像中重建出 3D 人臉形狀和姿態。而 3DDFA V2 作為其改進版本，在精度、速度和魯棒性上都有顯著提升，不需要複雜的 3D 標註數據，僅通過 2D 圖像和簡單的先驗知識就能實現高效的 3D 人臉重建和姿態估計。

博主最近也是需要用到人臉的姿態檢測，於是復現了3DDFA V2 的代碼，並且用預訓練模型實現了人臉姿態角度的識別。3DDFA V2 最難的是對於windows來說在配置的這部分，由於版本的原因相對來說還是很耗時耗力的，經過一下午的查詢才逐個解決bug成功復現。本文將詳細介紹如何復現 3DDFA V2 的代碼，從配置到微調代碼，實現自己需要的功能（博主這邊需要的功能是一個輸入圖像路徑返回歐拉角的函數）

---

`

一、歐拉角是什麼？

人臉的姿態角度通常採用歐拉角（俯仰角 pitch、偏航角 yaw、滾轉角 roll）來描述，這三個角度分別對應人臉在垂直方向的上下轉動、水平方向的左右轉動以及繞面部中心軸的旋轉

二、3DDFA 代碼配置

1、硬件要求

3DDFA V2的運行對硬件有一定要求，推薦配置如下：

• CPU：至少四核處理器，推薦Intel i5及以上
• GPU：支持CUDA的NVIDIA顯卡（如GTX 1050及以上），顯存2GB及以上（使用GPU加速可顯著提升運行速度，若沒有GPU也可使用CPU運行，但速度較慢）
• 內存：8GB及以上

2、代碼下載

3DDFA V2在github上面是有開源源代碼與預訓練模型的可以直接下載，地址如下：
3DDFA V2 github下載地址

如果登錄不進github的話也有轉到gitee上的開源地址如下：
3DDDFA V2 gitee下載地址

3、環境編譯

Windows系統

相對於MacOS系統來說，Windows系統配置會繁瑣很多，但是跟著博主一步一步做大概率是沒有什麼問題的
首先我們需要修改代碼中幾個會報錯的點：
1、路徑3DDFA_V2-master\bfm\bfm.py需要修改一個np的代碼

需要將這個np.long改為np.int32，因為np.long是舊版的代碼，在新版本的numpy中已經被棄用，必須修改，但是這個修改會帶來後續的問題，也就是我們在下一步要解決的。

2、路徑 3DDFA_V2-master\FaceBoxes/utils/nms/cpu_nms.pyx需要修改一段代碼：
該函數需要大幅修改，直接複製黏貼為以下既可：

def cpu_nms(np.ndarray[np.float32_t, ndim=2] dets, np.float thresh):
    cdef np.ndarray[np.float32_t, ndim=1] x1 = dets[:, 0]
    cdef np.ndarray[np.float32_t, ndim=1] y1 = dets[:, 1]
    cdef np.ndarray[np.float32_t, ndim=1] x2 = dets[:, 2]
    cdef np.ndarray[np.float32_t, ndim=1] y2 = dets[:, 3]
    cdef np.ndarray[np.float32_t, ndim=1] scores = dets[:, 4]

    cdef np.ndarray[np.float32_t, ndim=1] areas = (x2 - x1 + 1) * (y2 - y1 + 1)
    cdef np.ndarray[np.int64_t, ndim=1] order = scores.argsort()[::-1]

    cdef int ndets = dets.shape[0]
    cdef np.ndarray[np.int64_t, ndim=1] suppressed = \
            np.zeros((ndets), dtype=np.int64)

這一步的目的是為了與之前的修改對應以免出現數值不匹配的問題，如果沒有這一步的話會報錯這個：
ValueError: Buffer dtype mismatch, expected ‘int_t’ but got ‘long long’
這邊感謝大佬在github上面發佈以及解決的issue，這邊鏈接附在下面：
ValueError: Buffer dtype mismatch, expected ‘int_t’ but got ‘long long ISSUE github地址

3、路徑3DDFA_V2-master\FaceBoxes\utils\build.py需要註釋掉一行代碼：

extra_compile_args=[“-Wno-cpp”, “-Wno-unused-function”]
這一行是用於給 C/C++ 編譯器（如 gcc）傳遞額外的編譯參數，目的是忽略某些警告（比如宏相關和未使用函數的警告）。
這一行代碼需要註釋掉，因為 Windows 下默認編譯器是 MSVC（Visual Studio），而不是 gcc，這些參數只適用於 gcc，MSVC 不識別，會報錯。如果在 Windows 下編譯 Cython 擴展，保留這行會導致編譯失敗，提示參數無效。
在 Linux/macOS 下用 gcc 編譯時可以打開，能減少無關警告。

4、電腦需要配置Microsoft Visual Studio
這個直接搜索下載安裝即可

只需要選擇紅色框裡面的這個進行下載安裝即可。如果之前已經安裝過但是沒有勾選這個或者出現其他的什麼問題的話一般報錯信息如下：

這樣的話一般建議就是重新安裝一下，然後按照上面的步驟來。

5、進入路徑 3DDFA_V2-master\3DDFA_V2-master\FaceBoxes\utils 運行如下代碼：

python build.py build_ext -i

結果顯示如圖就沒有問題

6、進入路徑 3DDFA_V2-master\3DDFA_V2-master\Sim3DR 運行如下代碼：

python setup.py build_ext --inplace

結果顯示如圖就沒有問題

到這一步才算是正式配置好了 這時候回到跟目錄運行demo查看是否配置成功

python demo.py

結果顯示如圖就沒有問題

MacOS系統

MacOS的編譯比較簡單，根據代碼中的示例運行sh ./build.sh即可，注意一點就是MacOS需要安裝Xcode，這樣才會有C++工具集，另外在編譯之前需要輸入以下命令既可

export CFLAGS='-stdlib=libc++'

export CC=/usr/bin/clang
export CXX=/usr/bin/clang++

由於博主的電腦是windows的，所以關於MacOS這一段是借鑑以下文章裡面的方法，博主並沒有自己實踐過，出問題的可以看看原文博客：
MacOS編譯運行3DDFA_V2代碼

4、代碼實現

我們只需要稍微修改demo函數既可實現一個輸入圖片路徑，返回歐拉角的函數，這邊直接附上完整代碼：

# coding: utf-8

__author__ = 'cleardusk'

import sys
import argparse
import cv2
import yaml

from FaceBoxes import FaceBoxes
from TDDFA import TDDFA
from utils.pose import viz_pose
from utils.functions import draw_landmarks, get_suffix
from utils.tddfa_util import str2bool

# def parse_pose(param):
#     # 適用於3DDFA V2，param為一維numpy數組
#     # param[0:12] 是仿射變換參數，param[12:15] 是歐拉角（弧度）
#     # 返回角度值
#     pitch, yaw, roll = param[12:15]
#     pitch = pitch * 180 / np.pi
#     yaw = yaw * 180 / np.pi
#     roll = roll * 180 / np.pi
#     return pitch, yaw, roll

def main(args):
    cfg = yaml.load(open(args.config), Loader=yaml.SafeLoader)

    # Init FaceBoxes and TDDFA, recommend using onnx flag
    if args.onnx:
        import os
        os.environ['KMP_DUPLICATE_LIB_OK'] = 'True'
        os.environ['OMP_NUM_THREADS'] = '4'

        from FaceBoxes.FaceBoxes_ONNX import FaceBoxes_ONNX
        from TDDFA_ONNX import TDDFA_ONNX

        face_boxes = FaceBoxes_ONNX()
        tddfa = TDDFA_ONNX(**cfg)
    else:
        gpu_mode = args.mode == 'gpu'
        tddfa = TDDFA(gpu_mode=gpu_mode, **cfg)
        face_boxes = FaceBoxes()

    # Given a still image path and load to BGR channel
    img = cv2.imread(args.img_fp)

    # Detect faces, get 3DMM params and roi boxes
    boxes = face_boxes(img)
    n = len(boxes)
    if n == 0:
        print(f'No face detected, exit')
        sys.exit(-1)
    print(f'Detect {n} faces')

    param_lst, roi_box_lst = tddfa(img, boxes)

    # # 計算歐拉角並打印（取第一個人臉）
    # # 需要用到 pose.py 中的 parse_pose
    # # from utils.pose import parse_pose
    # if param_lst:
    #     pitch, yaw, roll = parse_pose(param_lst[0])
    #     print(f"歐拉角 - Pitch: {pitch:.2f}°, Yaw: {yaw:.2f}°, Roll: {roll:.2f}°")

    # Visualization and serialization
    dense_flag = args.opt in ('2d_dense', '3d', 'depth', 'pncc', 'uv_tex', 'ply', 'obj')
    old_suffix = get_suffix(args.img_fp)
    new_suffix = f'.{args.opt}' if args.opt in ('ply', 'obj') else '.jpg'

    wfp = f'examples/results/{args.img_fp.split("/")[-1].replace(old_suffix, "")}_{args.opt}' + new_suffix

    ver_lst = tddfa.recon_vers(param_lst, roi_box_lst, dense_flag=dense_flag)

    if args.opt == 'pose':
        data_ls=viz_pose(img, param_lst, ver_lst, show_flag=args.show_flag, wfp=wfp)
        return data_ls




def check_pose(img_fp):
    parser = argparse.ArgumentParser(description='Check head pose from a single image')
    parser = argparse.ArgumentParser(description='The demo of still image of 3DDFA_V2')
    parser.add_argument('-c', '--config', type=str, default='configs/mb1_120x120.yml')
    parser.add_argument('-f', '--img_fp', type=str, default='examples/inputs/trump_hillary.jpg')
    parser.add_argument('-m', '--mode', type=str, default='cpu', help='gpu or cpu mode')
    parser.add_argument('-o', '--opt', type=str, default='2d_sparse',
                        choices=['2d_sparse', '2d_dense', '3d', 'depth', 'pncc', 'uv_tex', 'pose', 'ply', 'obj'])
    parser.add_argument('--show_flag', type=str2bool, default='true', help='whether to show the visualization result')
    parser.add_argument('--onnx', action='store_true', default=False)


    args = parser.parse_args()
    args.img_fp = img_fp
    args.opt = 'pose'  # 強制設置為姿態估計模式
    args.mode = 'gpu'  # 強制設置為GPU模式
    args.onnx = True
    data_ls=main(args)
    return data_ls

if __name__ == '__main__':
    file_ls = [
        r"C:\Users\Z\Desktop\Lip_git\Lip_reading\experiment\HeadPose\3DDFA_V2-master\examples\inputs\emma.jpg",
        r"C:\Users\Z\Desktop\Lip_git\Lip_reading\experiment\HeadPose\3DDFA_V2-master\examples\inputs\JianzhuGuo.jpg"
    ]
    for file in file_ls:
        data_ls=check_pose(file)
        print("="*50)
        print(f"Processing file: {file}")
        for i in data_ls:
            print(f"歐拉角結果： Pitch={i[0]:.2f}, Yaw={i[1]:.2f}, Roll={i[2]:.2f}")

運行結果如下：