（1）3000fps總體上採用了隨機森林和全域性線性迴歸相結合的方法，具體可以閱讀原文或者這篇部落格
.從github上獲取3000fps的原始碼，我是從這裡git clone下來的，當然也可以直接download
/*****************************************************************/
執行環境
系統：windows 10
VS版本：VS2017
windows SDK：8.1
OpenCV version ： 3.4.1
/******************************************************************

/
（2）配置
下載下來之後，如果是進行測試的話，還需要下載對應的model，點選下載。
2.1 解壓到某個資料夾，開啟FaceAlignment.sln

選擇升級到對應的VS版本和windows SDK版本。
2.2 配置OpenCV

包括VC++目錄的包含目錄和庫目錄。還有連結器中的輸入，新增依賴項。
我的庫依賴項是我編譯OpenCV 3. 4.1之後的所有lib檔案，單純是為了方便，直接全部新增。以下是我的lib檔名，自己mark一下。
opencv_aruco341.lib
opencv_bgsegm341.lib
opencv_bioinspired341.lib
opencv_calib3d341.lib
opencv_ccalib341.lib
opencv_core341.lib
opencv_datasets341.lib
opencv_dnn341.lib
opencv_dnn_objdetect341.lib
opencv_dpm341.lib
opencv_face341.lib
opencv_features2d341.lib
opencv_flann341.lib
opencv_fuzzy341.lib
opencv_hfs341.lib
opencv_highgui341.lib
opencv_imgcodecs341.lib
opencv_imgproc341.lib
opencv_img_hash341.lib
opencv_line_descriptor341.lib
opencv_ml341.lib
opencv_objdetect341.lib
opencv_optflow341.lib
opencv_phase_unwrapping341.lib
opencv_photo341.lib
opencv_plot341.lib
opencv_reg341.lib
opencv_rgbd341.lib
opencv_saliency341.lib
opencv_shape341.lib
opencv_stereo341.lib
opencv_stitching341.lib
opencv_structured_light341.lib
opencv_superres341.lib
opencv_surface_matching341.lib
opencv_text341.lib
opencv_tracking341.lib
opencv_video341.lib
opencv_videoio341.lib
opencv_videostab341.lib
opencv_xfeatures2d341.lib
opencv_ximgproc341.lib
opencv_xobjdetect341.lib
opencv_xphoto341.lib
2.3配置完之後可以直接執行，但是發現只是閃現一個框，沒有報錯。這說明，你已經配置完成了。
閱讀LBF.cpp原始碼。尤其是下面這段。

 initialize parameters*/
    if (argc > 1 && strcmp(argv[1],"TrainModel")==0){
        InitializeGlobalParam();
    }
    else {
        ReadGlobalParamFromFile(modelPath+"LBF.model");
    }

    // main process
    if (argc==1){
        PrintHelp();
    }
    else if(strcmp(argv[1],"TrainModel"
 
)==0){
        vector<string> trainDataName;
     // you need to modify this section according to your training dataset
        trainDataName.push_back("afw");
        trainDataName.push_back("helen");
        trainDataName.push_back("lfpw");
        TrainModel(trainDataName);
    }
    else if (strcmp(argv[1], "TestModel")==0){
        vector<string> testDataName;
     // you need to modify this section according to your training dataset
        testDataName.push_back("test");
     //   testDataName.push_back("helen");
        double MRSE = TestModel(testDataName);

    }
    else if (strcmp(argv[1], "demo")==0){
        if (argc == 2){
            return FaceDetectionAndAlignment("");
        }
        else if(argc ==3){
            return FaceDetectionAndAlignment(argv[2]);
        }
    }

閱讀之後發現是在命令列輸入，作為引數，判斷你是使用哪種功能，訓練模型，測試模型，還是隻是測試一張圖片。
先進行測試單張圖片。
修改對應的路徑。新增 FaceDectect.cpp中人臉特徵點打點之後，方便顯示特徵點的順序。
putText(img, std::to_string(i), pp, FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255),1, 4);//在圖片上寫文字

修改除錯引數：開啟工程設定（<右擊>專案 -> 屬性）找到 通用屬性-> 除錯，裡面有個命令引數的輸入框，輸入命令引數即可。
在命令引數的輸入框輸入：Demo E:/1.jpg
注意新增空格
圖片連結來自：http://blog.csdn.net/zmdsjtu/article/details/53454071

執行成功。