摄像头对人脸进行性别和年龄的判断

摄像头对人脸性别和年龄判断

导入必要的库

cv2:OpenCV库,用于图像处理和摄像头操作。
numpy:用于数值计算。

python 复制代码
import cv2
import numpy as np

加载预训练的人脸检测模型

使用cv2.CascadeClassifier加载Haar级联分类器,用于检测图像中的人脸。

python 复制代码
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

加载预训练的性别和年龄识别模型

使用cv2.dnn.readNetFromCaffe加载Caffe模型,用于预测人脸的性别和年龄。

python 复制代码
gender_net = cv2.dnn.readNetFromCaffe('deploy_gender.prototxt', 'gender_net.caffemodel')
age_net = cv2.dnn.readNetFromCaffe('deploy_age.prototxt', 'age_net.caffemodel')

定义性别和年龄的标签列表

创建两个列表,分别用于存储性别和年龄的标签。

python 复制代码
gender_list = ['man', 'woman']
age_list = ['(0-10)', '(10-15)', '(15-20)', '(20-30)', '(45-55)', '(55-65)', '(65-80)', '(80-100)']

打开摄像头

使用cv2.VideoCapture(0)打开默认的摄像头。

python 复制代码
cap = cv2.VideoCapture(0)

从摄像头读取一帧

使用cap.read()从摄像头捕获一帧视频。

python 复制代码
while True:
    # 从摄像头读取一帧
    ret, frame = cap.read()

    if not ret:
        print("无法捕获视频流,请检查摄像头是否正常工作。")
        break

转换为灰度图像

使用cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)将捕获的帧从BGR格式转换为灰度格式。

python 复制代码
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

检测人脸

使用face_cascade.detectMultiScale(gray, 1.1, 4)在灰度图像中检测人脸。

python 复制代码
faces = face_cascade.detectMultiScale(gray, 1.1, 4)

遍历检测到的人脸

对于检测到的人脸,执行以下操作:

裁剪出人脸区域。

将裁剪出的人脸区域转换为Caffe模型所需的格式。

使用Caffe模型预测性别和年龄。

在原图上画出人脸框,并在框内显示性别和年龄。

python 复制代码
for (x, y, w, h) in faces:
    # 从原始图像中裁剪人脸区域
    face_img = frame[y:y + h, x:x + w].copy()

    # 预处理人脸图像以适应神经网络输入
    blob = cv2.dnn.blobFromImage(face_img, 1, (227, 227), (78.4263377603, 87.7689143744, 114.895847746), swapRB=False)

    # 预测性别
    gender_net.setInput(blob)
    gender_preds = gender_net.forward()
    gender = gender_list[gender_preds[0].argmax()]

    # 预测年龄
    age_net.setInput(blob)
    age_preds = age_net.forward()
    age = age_list[age_preds[0].argmax()]

    # 在人脸周围画框并显示性别和年龄
    cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 255, 0), 2)
    cv2.putText(frame, f'{gender}, {age}', (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2, cv2.LINE_AA)

显示视频流

使用cv2.imshow('Gender and Age Recognition', frame)在窗口中显示视频流。

python 复制代码
cv2.imshow('Gender and Age Recognition', frame)

按 'q' 或点击窗口的"×"退出循环

使用cv2.waitKey(1)等待用户按键。

如果用户按了'q'键或者关闭了窗口,则退出循环。

python 复制代码
if cv2.waitKey(1) == 27 or cv2.getWindowProperty('Gender and Age Recognition', cv2.WND_PROP_VISIBLE) < 1:
    break

释放摄像头和销毁所有窗口

使用cap.release()释放摄像头。

使用cv2.destroyAllWindows()销毁所有OpenCV创建的窗口。

python 复制代码
cap.release()
cv2.destroyAllWindows()

全部代码

python 复制代码
import cv2
import numpy as np

# 加载预训练的人脸检测模型
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

# 加载预训练的性别和年龄识别模型
gender_net = cv2.dnn.readNetFromCaffe('deploy_gender.prototxt', 'gender_net.caffemodel')
age_net = cv2.dnn.readNetFromCaffe('deploy_age.prototxt', 'age_net.caffemodel')

# 定义性别和年龄的标签列表
gender_list = ['man', 'woman']
age_list = ['(0-10)', '(10-15)', '(15-20)', '(20-30)', '(45-55)', '(55-65)', '(65-80)', '(80-100)']

# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    # 从摄像头读取一帧
    ret, frame = cap.read()

    if not ret:
        print("无法捕获视频流,请检查摄像头是否正常工作。")
        break

    # 转换为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 检测人脸
    faces = face_cascade.detectMultiScale(gray, 1.1, 4)

    # 遍历检测到的人脸
    for (x, y, w, h) in faces:
        # 从原始图像中裁剪人脸区域
        face_img = frame[y:y + h, x:x + w].copy()

        # 预处理人脸图像以适应神经网络输入
        blob = cv2.dnn.blobFromImage(face_img, 1, (227, 227), (78.4263377603, 87.7689143744, 114.895847746), swapRB=False)

        # 预测性别
        gender_net.setInput(blob)
        gender_preds = gender_net.forward()
        gender = gender_list[gender_preds[0].argmax()]

        # 预测年龄
        age_net.setInput(blob)
        age_preds = age_net.forward()
        age = age_list[age_preds[0].argmax()]

        # 在人脸周围画框并显示性别和年龄
        cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 255, 0), 2)
        cv2.putText(frame, f'{gender}, {age}', (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2, cv2.LINE_AA)

    # 显示视频流
    cv2.imshow('Gender and Age Recognition', frame)

    # 按 'q' 或点击窗口的"×"退出循环
    if cv2.waitKey(1) == 27 or cv2.getWindowProperty('Gender and Age Recognition', cv2.WND_PROP_VISIBLE) < 1:
        break

# 释放摄像头和销毁所有窗口
cap.release()
cv2.destroyAllWindows()
相关推荐
爱喝热水的呀哈喽3 分钟前
torch张量与函数表达式写法
人工智能·pytorch·深度学习
MessiGo12 分钟前
Python 爬虫 (1)基础 | 基础操作
开发语言·python
肥猪猪爸36 分钟前
使用卡尔曼滤波器估计pybullet中的机器人位置
数据结构·人工智能·python·算法·机器人·卡尔曼滤波·pybullet
大白要努力!36 分钟前
Android opencv使用Core.hconcat 进行图像拼接
android·opencv
LZXCyrus1 小时前
【杂记】vLLM如何指定GPU单卡/多卡离线推理
人工智能·经验分享·python·深度学习·语言模型·llm·vllm
Enougme1 小时前
Appium常用的使用方法(一)
python·appium
懷淰メ1 小时前
PyQt飞机大战游戏(附下载地址)
开发语言·python·qt·游戏·pyqt·游戏开发·pyqt5
我感觉。1 小时前
【机器学习chp4】特征工程
人工智能·机器学习·主成分分析·特征工程
hummhumm1 小时前
第 22 章 - Go语言 测试与基准测试
java·大数据·开发语言·前端·python·golang·log4j
YRr YRr2 小时前
深度学习神经网络中的优化器的使用
人工智能·深度学习·神经网络