《OpenCV计算机视觉》—— 年龄与性别预测

结合以下链接中的文章有助于理解此篇案例：

OpenCV中的 cnn 模块
- https://blog.csdn.net/weixin_73504499/article/details/142965441?spm=1001.2014.3001.5501

此案例是通过使用OpenCV中的cnn模块来调用别人已经训练好的深度学习模型，此篇案例中用到了人脸检测模型 、年龄预测模型 ，性别预测模型。

以下链接中是这三种模型所需要的模型文件和配置文件
- 链接: https://pan.baidu.com/s/1hzatG5CNVVULCA8TjEegag?pwd=iaeg
- 提取码: iaeg

完整代码如下：

python 复制代码

import cv2
from PIL import Image, ImageDraw, ImageFont
import numpy as np

# ======模型初始化======
# 模型(网络模型/预训练模型)：face/age/gender(脸、年龄、性别)
faceProto = "model/opencv_face_detector.pbtxt"
faceModel = "model/opencv_face_detector_uint8.pb"
ageProto = "model/deploy_age.prototxt"
ageModel = "model/age_net.caffemodel"
genderProto = "model/deploy_gender.prototxt"
genderModel = "model/gender_net.caffemodel"

# 加载网络
ageNet = cv2.dnn.readNet(ageModel, ageProto)  # 模型的权重参数、模型的配置
genderNet = cv2.dnn.readNet(genderModel, genderProto)
faceNet = cv2.dnn.readNet(faceModel, faceProto)
# ======年龄初始化======
# 年龄段和性别  共有8个年龄区间，区间范围可自行更改
ageList = ['0-2岁', '4-6岁', '8-12岁', '15-22岁', '25-32岁', '38-43岁', '48-53岁', '60-100岁']
genderList = ['男性', '女性']
mean = (78.4263377603, 87.7689143744, 114.895847746)  # 模型均值


# ======自定义函数，获取人脸包围框======
def getBoxes(net, frame):
    frameHeight, frameWidth = frame.shape[:2]  # 获取高度、宽度

    # 实现图像预处理，从原始图像构建一个符合人工神经网络输入格式的四维块。
    blob = cv2.dnn.blobFromImage(frame, 1.0, (300, 300), [104, 117, 123], True, False)

    net.setInput(blob)  # 调用网络模型，输入图片进行人脸检测
    detections = net.forward()

    faceBoxes = []  # 存储检测到的人脸
    xx = detections.shape[2]
    for i in range(detections.shape[2]):
        # confidence中每一行保存了7个数据，第3个数据表示置信度，第4，5，6，7分别表示人脸归一化后的坐标位置
        confidence = detections[0, 0, i, 2]

        if confidence > 0.7:  # 筛选一下，将置信度大于0.7的保留，其余不要了
            x1 = int(detections[0, 0, i, 3] * frameWidth)
            y1 = int(detections[0, 0, i, 4] * frameHeight)
            x2 = int(detections[0, 0, i, 5] * frameWidth)
            y2 = int(detections[0, 0, i, 6] * frameHeight)
            faceBoxes.append([x1, y1, x2, y2])  # 人脸框坐标
            # 绘制人脸框
            cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), int(round(frameHeight / 150)), 6)
    # 返回绘制了人脸框的帧frame、人脸包围框faceBoxes
    return frame, faceBoxes

""" 向图片中添加中文 """
def cv2AddChineseText(img, text, position, textColor=(0, 255, 0), textSize=30):
    if (isinstance(img, np.ndarray)):  # 判断是否是OpenCV图片类型
        img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))  # 实现 array 到 image 的转换
    draw = ImageDraw.Draw(img)  # 在img图片上创建一个绘图的对象
    # 字体的格式                       C 盘中的 Windows/Fonts 中，复制到此文件夹下可看到文件名
    fontStyle = ImageFont.truetype("simsun.ttc", textSize, encoding="utf-8")
    draw.text(position, text, textColor, font=fontStyle)  # 绘制文本
    return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)  # 转换回 OpenCV 格式


""" 打开摄像头，将每一帧画面传入神经网络中 """
cap = cv2.VideoCapture(0)	# 0-->电脑自带摄像头，1-->电脑外接摄像头

while True:
    _, frame = cap.read()
    # frame = cv2.flip(frame，1) # 镜像处理

    # 获取人脸包围框、绘制人脸包围框(可能多个)
    frame, faceBoxes = getBoxes(faceNet, frame)

    if not faceBoxes:
        print("当前镜头中没有人")
        continue
    # 遍历每一个人脸包围框
    for faceBoxe in faceBoxes:
        # 处理每一帧画面frame，将其处理为符合DNN输入的格式
        x, y, x1, y1 = faceBoxe
        face = frame[y:y1, x:x1]
        blob = cv2.dnn.blobFromImage(face, 1.0, (227, 227), mean)   # 模型输入为227*277
        # 调用模型，预测性别
        genderNet.setInput(blob)
        genderOuts = genderNet.forward()
        gender = genderList[genderOuts[0].argmax()]
        # 调用模型，预测年龄
        ageNet.setInput(blob)
        ageOuts = ageNet.forward()
        age = ageList[ageOuts[0].argmax()]

        result = "{},{}".format(gender, age)    # 格式化文本(年龄、性别)
        frame = cv2AddChineseText(frame, result, (x, y - 30))   # 输出中文性别和年龄
        cv2.imshow("result", frame)

    if cv2.waitKey(1) == 27:    # 按下ESc键，退出程序
        break

cv2.destroyAllWindows()
cap.release()