缺什么补什么：从模型调用走向工程落地
很多技术学习者一提到人脸识别，脑子里立刻想到的就是调 Python 接口跑现成模型，看几张图能框出人脸就觉得任务完成了。但这门课的主题是“完整项目实战”，它解决的核心问题不是教你认识什么是深度学习算法，而是补齐你从“跑通模型脚本”到“交付一套能跑的视觉系统”之间的工程能力缺口。真正的业务场景里，你需要面对的是实时视频流的稳定采集、C++工程环境的编译配置、CUDA与OpenCV的底层依赖协同，以及系统架构怎么设计才能扛住实际并发。如果你之前只写过零散的验证脚本，遇到C++环境配置和Dlib源码编译就头疼，那这门课就是来帮你把这些坑一个个填平的。
建议先看哪几块：环境部署与系统架构
这门课适合有一定C++和计算机视觉基础，但没独立搭过完整视觉项目的学习者。建议你先从项目概述篇看起，重点搞懂系统架构设计和关键技术说明，不要一上来就盲目敲代码，先弄清数据流向和模块边界。接着必须死磕环境部署篇，这是很多人卡壳的地方。不要跳过Dlib框架源码编译和CUDA配置，自己动手把开发环境搭起来，确保C++工程能正确链接到OpenCV和Dlib。最后进入程序设计篇，跟着实时视频采集的思路，把底层接口调用转化为实际的业务逻辑。资料包里的源码不要直接拿来跑，必须对照着课程一步步自己配置，遇到报错先查依赖版本，这是查漏补缺最有效的练习方式。
学完能独立做什么与配套练习建议
看完这套资料，你应该能独立搭建一套基于C++的人脸识别基础工程，不再依赖别人配好的虚拟环境。具体来说，你要能完成从摄像头实时视频流采集、图像预处理到人脸特征提取的完整链路调用。为了验证学习效果，建议你做这样的配套练习：拿到源码后，先尝试替换掉课程里的测试视频源，改用本地外接摄像头进行实时采集；然后尝试修改业务流程里的某一项参数，观察系统响应的变化。学完之后，请尝试独立回答这几个问题：这套系统的整体架构分为哪几个核心层？在编译Dlib时如果遇到CUDA未正确链接的错误该如何排查？实时视频采集模块如何保证帧率不丢失？把这些具体问题答明白，才说明你真正补齐了工程落地的短板，而不是假装看懂了整套流程。
课程目录
1-1 [课程学习指引] 课程学习指引 (09:56) 2-1 [项目概述篇] 完整项目运行演示 (08:23) 2-2 [项目概述篇] 项目系统架构设计 (11:54) 2-3 [项目概述篇] 项目关键技术说明 (07:53) 2-4 [项目概述篇] 项目业务需求说明 (05:07) 2-5 [项目概述篇] 项目业务流程说明 (06:01) 3-1 [环境部署篇] 项目开发环境软件和版本 (05:09) 3-2 [环境部署篇] Dlib框架源码编译 (08:42) 3-3 [环境部署篇] 项目工程文件创建 (06:33) 3-4 [环境部署篇] 项目开发环境配置之Cuda (07:58) 3-5 [环境部署篇] 项目开发环境配置之Opencv (05:39) 3-6 [环境部署篇] 项目开发环境配置之Dlib (05:35) 4-1 [程序设计篇（C++）] 实时视频采集程序设计 (06:17) 4-2 [程序设计篇（C++）] 实时图像抓拍程序设计 (05:25) 4-3 [程序设计篇（C++）] 实时人脸检测程序设计 (11:06) 4-4 [程序设计篇（C++）] 实时人脸特征点标定程序设计 (09:32) 4-5 [程序设计篇（C++）] 实时人脸特征点对齐程序设计 (07:43) 4-6 [程序设计篇（C++）] 实时目标跟踪程序设计 (08:44) 4-7 [程序设计篇（C++）] 实时人脸比对程序设计 (08:44) 4-8 [程序设计篇（C++）] 实时活体检测之眨眼识别 (08:44) 4-9 [程序设计篇（C++）] 实时活体检测之张嘴识别 (07:03) 5-1 [程序设计篇（Python）] 实时视频采集程序设计（1） (09:52) 5-2 [程序设计篇（Python）] 实时视频采集程序设计（2） (10:25) 5-3 [程序设计篇（Python）] 实时人脸检测程序设计 (09:21) 5-4 [程序设计篇（Python）] 实时人脸特征点标定程序设计 (11:36) 5-5 [程序设计篇（Python）] 实时人脸特征点对齐程序设计 (11:21) 5-6 [程序设计篇（Python）] 实时人脸验证程序设计 (12:18) 6-1 [模型训练篇] 人脸区域检测样本标注 (11:26) 6-2 [模型训练篇] 人脸区域检测模型训练 (06:13) 6-3 [模型训练篇] 人脸区域检测模型测试 (05:18) 6-4 [模型训练篇] 人脸特征点标定样本标注 (06:50) 6-5 [模型训练篇] 人脸特征点标定模型训练 (06:15) 6-6 [模型训练篇] 人脸特征点标定模型测试 (05:32)
