上半部分：Face Tracking 流程
在Kinect for Windows SDK中，搭载了一个Face Tracking SDK，可以供用户实时地跟踪人脸。详细信息可以见MSDN。在Kinect for Windows Developer Toolkit v1.5.0及以后版本中，还提供了一个Face Tracking Visualization的例子，其中的代码写得非常清晰，也推荐阅读一下。
要在C++中使用这个Face Tracking SDK很简单，只需声明 #include <FaceTrackLib.h>即可。然后将相应的目录加入到项目配置中，包括include目录和lib目录。如我的机器上的目录地址分别为C:\Program Files\Microsoft SDKs\Kinect\Developer Toolkit v1.5.0\inc和C:\Program Files\Microsoft SDKs\Kinect\Developer Toolkit v1.5.0\Lib\x86。之后还要将FaceTrackLib.lib作为依赖项加入。
文档中提到可以将这个头文件中用来检查是否定义了_WINDOWS的宏指令注释掉，这样在编译时就可以无需定义_WINDOWS。不过由于我们要通过kinect采集数据，而Kinect SDK本身也需要包含<windows.h>头文件，所以我们无需修改头文件，只要记得在编译选项里(Configuration Properties, C/C++, Preprocessor)将_CONSOLE更改为_WINDOWS即可。
在Face Tracking SDK中，主要包含四个类，分别是IFTFaceTracker, IFTImage, IFTResult, IFTModel，从名称基本就能看出来是做什么用的了。
IFTFaceTracker：是脸部跟踪的主要引擎。
IFTImage：主要是用于封装各种图像数据流以供使用，比如IFTFaceTracker跟踪时使用的彩色图像和深度图像就要通过IFTImage封装为输入数据。
IFTResult和IFTModel：都是从IFTFaceTracker创建出的用于保存结果的类。前者保存了跟踪结果，后者保存了根据跟踪结果所构造的一个泛化的脸部模型。
在实际使用中，首先调用FTCreateImage创建两个IFTImage实例，分别存放彩色图像和深度图像数据。
IFTImage提供了两种初始化数据方法，分别是Allocate和Attach。前者为自己分配了存放数据的内存空间，可以通过调用Release来释放，在调用Reset时也会先释放内存空间；后者使用外部的存储空间，用户需要自己管理这部分内存。在准备好了图像数据后，实例化一个FT_SENSOR_DATA结构体，将这两个IFTImage作为其成员。这个FT_SENSOR_DATA对象就是要用于进行脸部跟踪的输入数据了。需要注意的是，Face Tracking SDK默认输入的图像数据是Kinect输出的数据，即深度图像坐标未与彩色图像对齐，且没有滤除后三位的player index。
然后需要调用FTCreateFaceTracker来创建一个IFTFaceTracker实例，之后的操作都是围绕这个实例进行。要开始脸部追踪过程，只需简单地调用StartTracking。这个函数本身开销比较大，因为它需要在整张图像中检测脸部位置，所以可以通过在参数中指定一些hints来减小开销，这包括利用pROI指定搜索区域，以及headPoints[2]指定脸部的pose方向。也可以将这些参数都留空，这样就会在整个图像上寻找脸部作为跟踪对象。这里我不确定脸部pose方向是否由Kinect skeleton data获取。
当StartTracking成功后，我们就可以使用ContinueTracking来继续跟踪。这个函数的开销要小于StartTracking，所以在获得跟踪对象后，应该一直调用这个函数进行跟踪而不应使用StartTracking，直到跟踪失败或停止跟踪后，要重新开始跟踪时，才应该使用StartTracking，并在获得新的跟踪对象后继续使用ContinueTracking来跟踪。只有在某些极端情况下，比如帧率非常低，或者脸部在帧间的移动速度非常快，使得ContinueTracking几乎不可能，这时才会考虑在每帧上都使用StartTracking。
有些时候，图像中存在多个要跟踪的脸部。这时可以先调用DetectFaces，然后为每个要跟踪的脸部都创建一个IFTFaceTracker实例。
在跟踪成功后，可以利用IFTResult和IFTModel来查看跟踪结果。IFTResult需要调用IFTFaceTracker::CreateFTResult来创建，用于储存StartTracking和ContinueTracking的结果。调用其GetStatus函数，返回S_OK表示脸部跟踪是否成功，这时可以进一步通过GetFaceRect获取所跟踪的脸部在图像坐标系下的位置，以及通过Get2DShapePoints获得脸部100个关键点的2D坐标。IFTModel可以通过 IFTFaceTracker::GetFaceModel创建，它是用于将跟踪到的脸部由2D图像转换为摄像机空间中的3D网格。具体的就不在这篇赘述了。
然后贴一下我自己的一个FaceTracker抽象类。程序中在实例化了其子类后，首先调用Init函数，成功后调用Track函数即可追踪，通过几个Get函数可以获得相应的状态和数据。三个纯虚函数中，InitConfig用于配置colorConfig和depthConfig，可以参见Kinect关于FT_CAMERA_CONFIG结构体的说明；SetColorFrame和SetDepthFrame用于更新跟踪过程中每帧的彩色和深度图像数据。
头文件：
#ifndef __FACE_TRACKER_H__#define __FACE_TRACKER_H__#include <FaceTrackLib.h>#include <stdint.h>const uint32_t FRAME_WIDTH = 640;const uint32_t FRAME_HEIGHT = 480;class FaceTracker{public: FaceTracker(void); virtual ~FaceTracker(void); virtual bool Init(void); virtual bool Track(void); bool GetTrackStatus(void) const { return ( isTracked && SUCCEEDED(pFTResult->GetStatus()) ); }; IFTResult* GetResult(void) const { return pFTResult; }; IFTImage* GetColorImage(void) const { return pColorFrame; }; IFTImage* GetDepthImage(void) const { return pDepthFrame; }; IFTFaceTracker* GetTracker(void) const { return tracker; }; RECT GetFaceRect(void) const ; ////////////////////////////////////// // PURE VIRTUAL functions. virtual bool InitConfig(void) = 0; virtual bool SetColorFrame(void) = 0; virtual bool SetDepthFrame(void) = 0;private: IFTFaceTracker* tracker; IFTResult* pFTResult; IFTImage* pColorFrame; IFTImage* pDepthFrame; bool isTracked;public: FT_SENSOR_DATA* sensorData; FT_CAMERA_CONFIG colorConfig; // width, height, focal length FT_CAMERA_CONFIG depthConfig; // width, height, focal length};#endifCpp文件：#include "FaceTracker.h"FaceTracker::FaceTracker(void){ tracker = NULL; pFTResult = NULL; pColorFrame = NULL; pDepthFrame = NULL; sensorData = NULL; isTracked = false;}FaceTracker::~FaceTracker(void){ if (NULL != pFTResult) { pFTResult->Release(); } if (NULL != pColorFrame) { pColorFrame->Release(); } if (NULL != pDepthFrame) { pDepthFrame->Release(); } if (NULL != tracker) { tracker->Release(); } if (NULL != sensorData) { delete sensorData; }}bool FaceTracker::Init(void){ // prepare Image and Depth for 640×480 RGB images pColorFrame = FTCreateImage(); pDepthFrame = FTCreateImage(); if (!pColorFrame || !pDepthFrame) { return false; } pColorFrame->Allocate(FRAME_WIDTH, FRAME_HEIGHT, FTIMAGEFORMAT_UINT8_B8G8R8X8); pDepthFrame->Allocate(FRAME_WIDTH, FRAME_HEIGHT, FTIMAGEFORMAT_UINT16_D13P3); if ( this->InitConfig() ) { // Create an instance of face tracker tracker = FTCreateFaceTracker(); HRESULT hr = tracker->Initialize(&colorConfig, &depthConfig, 0, 0); if (FAILED(hr)) { return false; } // Create IFTResult to hold a face tracking result hr = tracker->CreateFTResult(&pFTResult); if(FAILED(hr)) { return false; } } sensorData = new FT_SENSOR_DATA(pColorFrame, pDepthFrame); return true;}bool FaceTracker::Track(void){ bool success = true; // Call your subclass method to fill the data buffer success &= this->SetColorFrame(); success &= this->SetDepthFrame(); if ( !success ) { isTracked = false; return false; } HRESULT hr; // Check if we are already tracking a face if ( !isTracked ) { // Initiate face tracking. This call is more expensive and searches the input image for a face. hr = tracker->StartTracking(sensorData, NULL, NULL, pFTResult); if( SUCCEEDED(hr) && SUCCEEDED(pFTResult->GetStatus()) ) { isTracked = true; } else { // Handle errors isTracked = false; } } else { // Continue tracking. It uses a previously known face position, so it is an inexpensive call. hr = tracker->ContinueTracking(sensorData, NULL, pFTResult); if( FAILED(hr) || FAILED (pFTResult->GetStatus()) ) { // Handle errors isTracked = false; } else { isTracked = true; } } return isTracked;}RECT FaceTracker::GetFaceRect(void) const{ RECT rect; if ( this->GetTrackStatus() ) { pFTResult->GetFaceRect(&rect); } return rect;}
下半部分：IFTModel真正的强者，不是流泪的人，而是含泪奔跑的人。
