首页 > 其他分享 >对人脸图像进行性别和年龄的判断

对人脸图像进行性别和年龄的判断

时间：2024-06-03 22:34:04浏览次数：24  
标签：img gender image cv2 人脸 tk 图像 性别 age

判断性别和年龄

导入必要的库

cv2：OpenCV库，用于图像处理。
numpy：用于数值计算。
tkinter：Python的标准GUI库，用于创建图形用户界面。
filedialog：Tkinter的文件对话框，用于打开文件。
Image：PIL（Pillow）库，用于图像处理。
ImageTk：PIL（Pillow）库的Tkinter封装，用于将PIL图像转换为Tkinter支持的格式。

import cv2
import numpy as np
import tkinter as tk
from tkinter import filedialog
from PIL import Image, ImageTk

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。

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。

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。

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

创建Tkinter窗口：

创建一个名为"选择图片"的窗口，并设置其大小。

root = tk.Tk()
root.title("选择图片")
root.geometry("1000x620")

定义选择图片的函数：

使用filedialog.askopenfilename打开一个文件选择对话框，让用户选择要处理的图片。
如果用户选择了图片，则调用display_image函数来显示图片。

def select_image():
    file_path = filedialog.askopenfilename()
    if file_path:
        img = cv2.imread(file_path)
        if img is not None:
            display_image(file_path)

创建一个按钮，用于打开文件选择对话框

创建一个按钮，当用户点击时，会调用select_image函数。

open_image_btn = tk.Button(root, text="选择图片",font=('微软雅黑', 12), command=select_image)
open_image_btn.place(x=250,y=10)

定义显示图片的函数

读取用户选择的图片，并将其转换为PIL图像。
将PIL图像转换为Tkinter支持的格式，并在窗口中显示。

def display_image(file_path):
    # 确保 img 变量已经定义
    global img
    img = cv2.imread(file_path)
    if img is not None:
        # 调整图像大小到相等的大小
        img = cv2.resize(img, (300, 350))

        # 将 OpenCV 图像转换为 PIL 图像
        pil_image = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))

        # 将 PIL 图像转换为 tkinter 支持的格式
        image_tk = ImageTk.PhotoImage(pil_image)

        # 在 root 窗口中创建一个标签来显示图像
        label = tk.Label(root, image=image_tk)
        label.image = image_tk  # 保持引用，否则图像在重新绘制时会丢失
        label.place(x=60, y=50)

创建预测性别和年龄的函数

检测图片中的人脸。
对于每个检测到的人脸，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，并输入模型进行预测。
预测出性别和年龄后，在原图上画出人脸框，并在框内显示性别和年龄。
将处理后的图片转换为PIL图像，并转换为Tkinter支持的格式，以便在窗口中显示。

def predict_gender_and_age():
    # 确保 img 变量已经定义
    global img
    if img is not None:
        # 复制原始图像，以免影响其他预测
        result_img = img.copy()

        # 转换为灰度图像
        gray = cv2.cvtColor(img, 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 = img[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(result_img, (x, y), (x + w, y + h), (255, 255, 0), 2)
            cv2.putText(result_img, f'{gender}, {age}', (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2, cv2.LINE_AA)

        # 将 OpenCV 图像转换为 PIL 图像
        pil_image = Image.fromarray(cv2.cvtColor(result_img, cv2.COLOR_BGR2RGB))

        # 将 PIL 图像转换为 tkinter 支持的格式
        image_tk = ImageTk.PhotoImage(pil_image)

        # 在 root 窗口中创建一个标签来显示图像
        label = tk.Label(root, image=image_tk)
        label.image = image_tk  # 保持引用，否则图像在重新绘制时会丢失
        label.place(x=550, y=50)

创建预测性别和年龄的按钮

创建一个按钮，当用户点击时，会调用predict_gender_and_age函数。

predict_gender_age_btn = tk.Button(root, text="预测性别和年龄",font=('微软雅黑', 12), command=predict_gender_and_age)
predict_gender_age_btn.place(x=650,y=10)

运行Tkinter事件循环

启动Tkinter的事件循环，使窗口保持打开状态。

root.mainloop()

完整代码

import cv2
import numpy as np
import tkinter as tk
from tkinter import filedialog
from PIL import Image, ImageTk

# 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)']




# 创建 tkinter 窗口
root = tk.Tk()
root.title("选择图片")
root.geometry("1000x620")
# 定义选择图片的函数
def select_image():
    file_path = filedialog.askopenfilename()
    if file_path:
        img = cv2.imread(file_path)
        if img is not None:
            display_image(file_path)

# 创建一个按钮，用于打开文件选择对话框
open_image_btn = tk.Button(root, text="选择图片",font=('微软雅黑', 12), command=select_image)
open_image_btn.place(x=250,y=10)

# 定义显示图片的函数
def display_image(file_path):
    # 确保 img 变量已经定义
    global img
    img = cv2.imread(file_path)
    if img is not None:
        # 调整图像大小到相等的大小
        img = cv2.resize(img, (300, 350))

        # 将 OpenCV 图像转换为 PIL 图像
        pil_image = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))

        # 将 PIL 图像转换为 tkinter 支持的格式
        image_tk = ImageTk.PhotoImage(pil_image)

        # 在 root 窗口中创建一个标签来显示图像
        label = tk.Label(root, image=image_tk)
        label.image = image_tk  # 保持引用，否则图像在重新绘制时会丢失
        label.place(x=60, y=50)
        # label.pack()

# 创建预测性别和年龄的函数
def predict_gender_and_age():
    # 确保 img 变量已经定义
    global img
    if img is not None:
        # 复制原始图像，以免影响其他预测
        result_img = img.copy()

        # 转换为灰度图像
        gray = cv2.cvtColor(img, 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 = img[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(result_img, (x, y), (x + w, y + h), (255, 255, 0), 2)
            cv2.putText(result_img, f'{gender}, {age}', (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2, cv2.LINE_AA)

        # 将 OpenCV 图像转换为 PIL 图像
        pil_image = Image.fromarray(cv2.cvtColor(result_img, cv2.COLOR_BGR2RGB))

        # 将 PIL 图像转换为 tkinter 支持的格式
        image_tk = ImageTk.PhotoImage(pil_image)

        # 在 root 窗口中创建一个标签来显示图像
        label = tk.Label(root, image=image_tk)
        label.image = image_tk  # 保持引用，否则图像在重新绘制时会丢失
        label.place(x=550, y=50)

# 创建预测性别和年龄的按钮
predict_gender_age_btn = tk.Button(root, text="预测性别和年龄",font=('微软雅黑', 12), command=predict_gender_and_age)
predict_gender_age_btn.place(x=650,y=10)

# 运行 tkinter 事件循环
root.mainloop()

![在这里插入图片描述](/i/ll/?i=direct/4c3da06144d14c74a6952d75d6dddcd3.png

标签：img,gender,image,cv2,人脸,tk,图像,性别,age
From： https://blog.csdn.net/2301_76794217/article/details/139359647

相关文章

赞助商

阅读排行

网站主页关于我们联系我们网站地图

本网站内容转载自其他媒体，侵权联系[admin##ips99.com]。

Copyright © 2020-2023 IPS99 版权所有 IPS99