初始化：换发型/换发色/训练发型服务

包含：
- hair_service_sd: 主服务（换发型/换发色/生发，端口8801）
- photo_service: LoRA调度+训练（端口32678）
- hair_grow_service: 调试测试页（端口8888，含4个测试页）
- 批量训练脚本（batch_train_hairstyles.py）
- 发际线mask自动识别（hairline_mask.py，4种方案）
- 手绘mask换发型（hair_swap_manual.py）
- 文档：README.md + LARGE_FILES.md + docs/

大文件（模型权重200G、训练数据123G）已排除，见 LARGE_FILES.md
OSS/COS密钥已脱敏为环境变量，原文件备份在本地

gen_hairline_mask.py

@@ -0,0 +1,93 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+"""为测试图自动生成发际线/额头区域的 mask（模拟用户手画遮罩）。
+用 RetinaFace + 1k关键点定位额头，生成该区域的白色 mask。
+"""
+import os
+import sys
+import cv2
+import numpy as np
+
+HAIR_SERVICE_DIR = "/home/xsl/change_hair/project/hair_service_sd"
+sys.path.insert(0, HAIR_SERVICE_DIR)
+os.environ.setdefault("HF_HUB_OFFLINE", "1")
+
+import torch
+from utils.landmark_processor import get_max_rect
+
+
+def gen_hairline_mask(img_path, mask_path):
+    """用关键点定位额头，生成发际线区域 mask"""
+    from models.detector import RetinaFaceDetector
+    from utils.MomocvFaceAlignment1K import MomocvFaceAlignment1K
+
+    img = cv2.imread(img_path)
+    if img is None:
+        print(f"❌ 读取失败: {img_path}")
+        return False
+
+    print(f"原图: {img_path} shape={img.shape}")
+    gpu_id = 0
+
+    # 1. RetinaFace 检测
+    detector = RetinaFaceDetector(gpu_id=gpu_id)
+    dets, landms = detector.forward(img)
+    if len(dets) == 0:
+        print("❌ 未检测到人脸")
+        return False
+    max_idx = get_max_rect(dets)
+    det = dets[max_idx]
+    print(f"检测到人脸: {det}")
+
+    # 2. 1k 关键点
+    aligner = MomocvFaceAlignment1K(gpu_id=gpu_id)
+    landmarks_1k = aligner.stable_forward(img.copy(), [det])
+    if landmarks_1k is None or len(landmarks_1k) == 0:
+        print("❌ 关键点检测失败")
+        return False
+    pts = landmarks_1k[0]  # (1000, 2)
+    print(f"1k关键点 shape: {pts.shape}")
+
+    # 3. 构造发际线/额头 mask
+    # 1k点的前312点是整脸外轮廓（含发际线）
+    # 额头区：用眉骨以上的外轮廓点 + 发际线点构造凸包
+    h, w = img.shape[:2]
+    mask = np.zeros((h, w), dtype=np.uint8)
+
+    # 取脸部上半部分轮廓点（发际线到太阳穴）构造额头区域
+    # 索引 0-311 是脸部外轮廓，取上半部分（额头/太阳穴）
+    forehead_pts = []
+    # 发际线区域：取轮廓的上半段 + 稍微往下扩展
+    for i in range(0, 312, 3):  # 隔点采样，减少密度
+        pt = pts[i]
+        # 只取上半脸（y < 图像中线偏上）
+        if pt[1] < h * 0.55:
+            forehead_pts.append(pt)
+    # 加入额头中心区域一些点，确保覆盖额头
+    forehead_pts = np.array(forehead_pts, dtype=np.int32)
+
+    if len(forehead_pts) < 3:
+        print("❌ 额头点不足")
+        return False
+
+    # 凸包填充
+    hull = cv2.convexHull(forehead_pts)
+    cv2.fillConvexPoly(mask, hull, 255)
+
+    # 膨胀让区域稍大一点（模拟用户涂抹）
+    mask = cv2.dilate(mask, np.ones((5, 5), np.uint8), iterations=2)
+
+    # 统计 mask 区域
+    nonzero = cv2.countNonZero(mask)
+    print(f"mask 生成完成: 白色区域={nonzero}px ({nonzero/(h*w)*100:.1f}%)")
+    cv2.imwrite(mask_path, mask)
+    print(f"✅ mask 已保存: {mask_path}")
+    return True
+
+
+if __name__ == "__main__":
+    img_path = sys.argv[1] if len(sys.argv) > 1 else \
+        "/home/xsl/change_hair/project/data/userImage/8488902485_20250630055547.jpg"
+    mask_path = sys.argv[2] if len(sys.argv) > 2 else \
+        "/home/xsl/change_hair/project/logs/hairgrow_test_mask.png"
+    gen_hairline_mask(img_path, mask_path)