《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：

  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()