首先聲明，平均臉制作的方法一般都是使用AAM算法，但是我對這個算法不了解，所以在制作的時候，使用的是簡單的加權的方法，高手勿噴。

我所用到的：

1.visual studio 2010 (openCV， 2.4以上好像才有 contrib這個module).

2.python (需要安裝PIL)

3.Matlab

我的步驟：

1.首先，要有圖

我是很想把課程網(wǎng)站給黑了，然后把學生圖片全搞下來的，但是，第一點：我不會；第二點：我發(fā)現(xiàn)課程網(wǎng)站上的照片根本不用我做什么，幾乎直接就能拿到。于是使用剛學習不久的Python，把新生照片給扒了下來，沒扒完，具體原因不說了，總過扒了2000多張吧。

這里不會Python的同學可以查一下，主要用 urllib2模塊。

2.怎么對齊？

既然是直接圖片疊加，至少要把臉大概對對齊吧。我用了以下幾個步驟來做：

2.1 人眼識別

openCV 2.4提供了一個Facerecognizer類，官方文檔，就是我的另一篇文章【opencv】人臉識別、人眼識別and性別識別里面說的，這里再次對其中借用的文章的原作者表示感謝。

2.2 裁剪與標準化（為了進行性別分類）

這里openCV給的那個crop_face.py確實不錯，進行了裁剪，又將眼睛的位置對齊了，否則又要費老半天勁來做矩陣變換，想想都煩。將上一步計算出的人眼的位置傳給CropFace函數(shù)，OK。如果你問我為什么不在VS里面做這些，還非要又用C++，又用Python，這個主要是因為人家給了現(xiàn)成的CropFace的函數(shù)，我才懶得用C++再寫一遍。既然我選擇了這種方式，那就涉及到了exe程序與Python程序之間的通信問題，我使用的方法見我的另一篇文章【python】python運行exe，并獲取exe的output，于是將所有圖片都標準化了。

2.3 性別識別

性別識別使用的還是openCV，具體還是看我的文章【opencv】人臉識別、人眼識別and性別識別 里面說的吧，openCV的document里面關于gender classify的部分幫助其實更大一點，這里推薦的是去Google Image上，直接搜明星的人臉來作為訓練數(shù)據(jù)，但是我發(fā)現(xiàn)使用openCV自帶的人臉識別和人眼識別的XML并不能很好地識別多種場景下的人臉，尤其是人眼！我不是搞這方面研究的，也不想深究，于是果斷換成用自己扒的證件照來train一個classifier,效果一般，男生被誤分成女生的情況還是很多的，手動挑揀出來之后女生約有700張，男生1100張，就這樣吧...

2.4 裁剪與標準化（用來進行加權）

這里重新裁剪，因為2.2用的裁剪圖要小很多，只有一張臉而已，要做加權的話，還是大一點比較好看，于是就使用不同的參數(shù)重新crop，OK

3.使用Matlab計算平均臉

使用Matlab是因為Matlab比較簡單而且處理圖片相加這種操作還比較快（我對Python的PIL不熟，本來想嘗試一下，后來放棄了）

得到結果：

這里的平均臉其實真是算術平均的結果，效果比起AAM自然是要差不少，尤其是距離眼睛比較遠的地方比較模糊，就這樣罷。