【CV】使用 OpenCV 进行图像中的性别预测和年龄检测
一、介绍
照片中的面部分析引起了人们的广泛关注,因为它可以帮助我们解决各种问题,包括更好的客户广告定位、更好的内容推荐系统、安全监控和其他领域。
年龄和性别是面部特征的重要方面,确定它们是此类活动的先决条件。许多企业出于各种原因使用这些技术,包括更轻松地与客户合作、更好地适应他们的需求以及提供良好的体验。人们的性别和年龄使得识别和预测他们的需求变得更加容易。
即使对我们人类来说,从图像中检测性别和年龄也很困难,因为它完全基于外表,有时很难预测,同龄人的外表可能与我们预期的截然不同。
应用
在监控计算机视觉中,经常使用年龄和性别预测。计算机视觉的进步使这一预测变得更加实用,更容易为公众所接受。由于其在智能现实世界应用中的实用性,该研究课题取得了重大进展。
一个人的身份、年龄、性别、情绪和种族都是由他们脸上的特征决定的。年龄和性别分类是其中的两个特征,在各种实际应用中特别有用,包括
安全和视频监控
人机交互
生物识别技术
娱乐
还有很多。
实施
现在让我们学习如何使用 Python 中的 OpenCV 库通过相机或图片输入来确定年龄和性别。
使用的框架是 Caffe,用于使用原型文件创建模型。
让我们开始吧,如果我们还没有安装 OpenCV,请确保已经安装了它。
$ pip install opencv-python numpy
第 1 步:导入库
# Import required modules
import cv2 as cv
import math
import time
from google.colab.patches import cv2_imshow
第 2 步:在框架中查找边界框坐标
使用下面的用户定义函数,我们可以获得边界框的坐标,也可以说人脸在图像中的位置。
def getFaceBox(net, frame, conf_threshold=0.7):frameOpencvDnn = frame.copy()frameHeight = frameOpencvDnn.shape[0]frameWidth = frameOpencvDnn.shape[1]blob = cv.dnn.blobFromImage(frameOpencvDnn, 1.0, (300, 300), [104, 117, 123], True, False) net.setInput(blob)detections = net.forward()bboxes = []for i in range(detections.shape[2]):confidence = detections[0, 0, i, 2]if confidence > conf_threshold: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)bboxes.append([x1, y1, x2, y2])cv.rectangle(frameOpencvDnn, (x1, y1), (x2, y2), (0, 255, 0), int(round(frameHeight/150)), 8)return frameOpencvDnn, bboxes
第 3 步:加载模型和权重文件
项目目录中必须包含以下文件:
gender_net.caffemodel:用于性别检测的预训练模型权重。
deploy_gender.prototxt:性别检测模型的模型架构。
age_net.caffemodel:用于年龄检测的预训练模型权重。
deploy_age.prototxt:年龄检测模型的模型架构。
res10_300x300_ssd_iter_140000_fp16.caffemodel:用于人脸检测的预训练模型权重。
deploy.prototxt.txt:人脸检测模型的模型架构。
我们有一个用于人脸检测的 .pb 文件,它是一个 protobuf 文件(协议缓冲区),其中包含模型的图形定义和训练权重。这就是我们将用来执行经过训练模型的内容。虽然.pb 文件包含二进制格式的 protobuf,但.pbtxt 文件包含文本格式的 protobuf。包含 TensorFlow 文件。.prototxt 文件提供了年龄和性别的网络配置,而 .caffemodel 文件定义了图层参数的内部状态。
然后,对于人脸、年龄和性别检测模型,定义权重和结构变量。
faceProto = "/content/opencv_face_detector.pbtxt"
faceModel = "/content/opencv_face_detector_uint8.pb"
ageProto = "/content/age_deploy.prototxt"
ageModel = "/content/age_net.caffemodel"
genderProto = "/content/gender_deploy.prototxt"
genderModel = "/content/gender_net.caffemodel"
第 4 步:年龄和性别类别列表
设置模型的平均值以及要从中进行分类的年龄组和性别列表。
MODEL_MEAN_VALUES = (78.4263377603, 87.7689143744, 114.895847746)
ageList = ['(0-2)', '(4-6)', '(8-12)', '(15-20)', '(25-32)', '(38-43)', '(48-53)', '(60-100)']
genderList = ['Male', 'Female']
第 5 步:加载网络
要加载网络,请使用 readNet() 方法。第一个参数用于存储训练权重,第二个参数用于保存网络配置。
# Load network
ageNet = cv.dnn.readNet(ageModel, ageProto)
genderNet = cv.dnn.readNet(genderModel, genderProto)
faceNet = cv.dnn.readNet(faceModel, faceProto)
第 6 步:预测性别和年龄的函数
下面的用户定义函数是 pipline 或者我们可以说是主要工作流程的实现,在该工作流程中,图像进入函数以获取位置,并进一步预测年龄范围和性别。
def age_gender_detector(frame):
# Read frame
t = time.time()
frameFace, bboxes = getFaceBox(faceNet, frame)
for bbox in bboxes:
# print(bbox)
face = frame[max(0,bbox[1]-padding):min(bbox[3]+padding,frame.shape[0]-1),max(0,bbox[0]-padding):min(bbox[2]+padding, frame.shape[1]-1)]blob = cv.dnn.blobFromImage(face, 1.0, (227, 227), MODEL_MEAN_VALUES, swapRB=False)genderNet.setInput(blob)genderPreds = genderNet.forward()gender = genderList[genderPreds[0].argmax()]# print("Gender Output : {}".format(genderPreds))print("Gender : {}, conf = {:.3f}".format(gender, genderPreds[0].max()))ageNet.setInput(blob)
agePreds = ageNet.forward()
age = ageList[agePreds[0].argmax()]
print("Age Output : {}".format(agePreds))
print("Age : {}, conf = {:.3f}".format(age, agePreds[0].max()))label = "{},{}".format(gender, age)
cv.putText(frameFace, label, (bbox[0], bbox[1]-10), cv.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 255), 2, cv.LINE_AA)return frameFace
第 7 步:预测
from google.colab import files
uploaded = files.upload()
input = cv.imread("2.jpg")
output = age_gender_detector(input)
cv2_imshow(output)
在这里,我们可以看到性别预测的置信度为 1(100%),而年龄预测的置信度则要低一些,因为它很难确准。
在这篇文章中,我们学习了如何创建一个年龄预测器,它也可以检测你的脸并用边框突出显示。
往期精彩回顾适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载黄海广老师《机器学习课程》视频课黄海广老师《机器学习课程》711页完整版课件
本站qq群955171419,加入微信群请扫码:
【CV】使用 OpenCV 进行图像中的性别预测和年龄检测相关推荐
- OpenCV在图像中寻找轮廓的实例(附完整代码)
OpenCV在图像中寻找轮廓的实例 OpenCV在图像中寻找轮廓的实例 OpenCV在图像中寻找轮廓的实例 #include "opencv2/imgcodecs.hpp" #in ...
- OpenCV在图像中寻找轮廓
OpenCV在图像中寻找轮廓 在图像中寻找轮廓 目标 代码 结果 在图像中寻找轮廓 目标 在本教程中,您将学习如何: 使用OpenCV函数cv :: findContours 使用OpenCV函数cv ...
- OpenCV在图像中添加文字,画点,画直线
OpenCV在图像中添加文字,画点,画直线 [尊重原创,转载请注明出处] http://blog.csdn.net/guyuealian/article/details/77870983 #inclu ...
- 使用OpenCV测量图像中物体的大小
本文翻译自pyimagesearch技术博客上的一篇文章,<Measuring size of objects in an image with OpenCV>,原文作者:Adrian R ...
- C#使用OpenCV剪切图像中的圆形和矩形
前言 本文主要介绍如何使用OpenCV剪切图像中的圆形和矩形. 准备工作 首先创建一个Wpf项目--WpfOpenCV,这里版本使用Framework4.7.2. 然后使用Nuget搜索[Emgu.C ...
- 使用Python,OpenCV查找图像中的最亮点
Python,OpenCV找出图像中的最亮点 1. 原理 2. 优化 3. 效果图 4. 源码 参考 这篇博客将向您展示如何使用Python和OpenCV查找图像中的最亮点,以及应用单行预处理代码-- ...
- 使用Python,OpenCV从图像中删除轮廓
使用Python,OpenCV从图像中删除轮廓 1. 效果图 2. 步骤 3. 源码 4. 参考 1. 使用Python.OpenCV计算轮廓的中心并标记 2. 使用Python.OpenCV检测轮廓 ...
- 使用Python,OpenCV寻找图像中的轮廓
使用Python和OpenCV查找图像中的形状 1. 效果图 2. 步骤 3. 源码 参考 这篇博客将讨论使用Python和OpenCV查找图像中的形状,具体是 cv2.inRange在图像中查找形状 ...
- 热视觉2:使用Python和OpenCV从图像中测量温度
热视觉2:使用Python和OpenCV从图像中测量温度 这篇博客将介绍学习热/中远红外视觉的基础知识,gray8 和 gray16 图像(即最常见的热成像格式)之间的差异,学习如何使用Python和 ...
最新文章
- WINCE6.0+S3C2443睡眠和唤醒(sleep and wake up)的实现
- 【深度学习】ResNet的思想
- gsoap(C/C++调用webservice)
- ASP.NET网站实现多语言版本 【转】
- 【实战分享】漫谈 gRPC的选型
- 【Git】git stash应用场景
- 淘宝端智能演进和思考
- 信息学奥赛一本通 1181:整数奇偶排序 | OpenJudge NOI 1.10 06:整数奇偶排序
- 【CSWS2014 Summer School】大数据下的游戏营销模式革新-邓大付
- 01.26 小组功能初步总结
- Ubuntu怎么截图?一些快捷键备忘
- pyspark 条件_删除pyspark中特定条件下的特定行
- “SecureCRT遇到一个致命的错误且必须关闭”处理办法
- 图像频域增强:带通带阻滤波器
- Groovy从入门到精通
- R语言空间插值/R语言离散数据网格化/R语言空间点插值/R语言nc日均转月均、日期转换
- C语言输入汉字并输出
- 三角网格剖分工具 Triangle 安装及使用
- Java物流运输管理系统源码 快递物流管理系统源码
- 大学生英语竞赛大揭秘准备攻略