1. AI技术聚合首页
  2. Python

深度学习AI识别人脸年龄

社会演员多 • • Python • 阅读 149

以下链接来自 @落痕的寒假

GitHub – luohenyueji/OpenCV-Practical-Exercise: OpenCV practical exercise

https://download.csdn.net/download/luohenyj/10993309

import cv2 as cv
import time
import argparse
 
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
 
 
parser = argparse.ArgumentParser(description='Use this script to run age and gender recognition using OpenCV.')
parser.add_argument('--input', help='Path to input image or video file. Skip this argument to capture frames from a camera.')
 
args = parser.parse_args()
 
faceProto = "age_gender/model/opencv_face_detector.pbtxt"
faceModel = "age_gender/model/opencv_face_detector_uint8.pb"
 
ageProto = "age_gender/model/age_deploy.prototxt"
ageModel = "age_gender/model/age_net.caffemodel"
 
genderProto = "age_gender/model/gender_deploy.prototxt"
genderModel = "age_gender/model/gender_net.caffemodel"
 
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']
 
# Load network
ageNet = cv.dnn.readNet(ageModel, ageProto)
genderNet = cv.dnn.readNet(genderModel, genderProto)
faceNet = cv.dnn.readNet(faceModel, faceProto)
 
# Open a video file or an image file or a camera stream
cap = cv.VideoCapture(args.input if args.input else 0)
padding = 20
while cv.waitKey(1) < 0:
    # Read frame
    t = time.time()
    hasFrame, frame = cap.read()
    if not hasFrame:
        cv.waitKey()
        break
 
    frameFace, bboxes = getFaceBox(faceNet, frame)
    if not bboxes:
        print("No face Detected, Checking next frame")
        continue
 
    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)
        cv.imshow("Age Gender Demo", frameFace)
        # cv.imwrite("age-gender-out-{}".format(args.input),frameFace)
    print("time : {:.3f}".format(time.time() - t))

  1. 导入必要的模块：

    • cv2：用于图像处理和显示
    • time：用于计时
    • argparse：用于解析命令行参数

  2. 定义函数 getFaceBox 用于检测人脸框：

    • 通过 DNN 模型进行人脸检测，筛选出置信度高于阈值的人脸框，并在原图上绘制矩形框。

  3. 使用 argparse 解析命令行参数：

    • 支持从图像或视频文件中读取，如果没有指定输入则使用摄像头捕获。

  4. 定义人脸检测和年龄、性别识别模型的路径：

    • faceProto 和 faceModel 是人脸检测模型的配置文件和权重文件的路径。
    • ageProto 和 ageModel 是年龄识别模型的配置文件和权重文件的路径。
    • genderProto 和 genderModel 是性别识别模型的配置文件和权重文件的路径。

  5. 加载模型：

    • 使用 cv.dnn.readNet 加载人脸检测、年龄识别和性别识别模型。

  6. 打开视频文件或图像文件或者摄像头流，并设置填充值：

    • 使用 cv.VideoCapture 打开视频文件或图像文件或者摄像头流，并设置填充值为 20。

  7. 在循环中处理每帧图像：

    • 读取一帧图像，然后调用 getFaceBox 函数检测人脸框。
    • 对检测到的人脸框进行处理，提取人脸区域，并使用年龄和性别模型进行识别。
    • 将识别结果标记在图像上并显示。

优化：

  1. 并行处理：如果一帧中有多个面孔，您可以并行处理它们以加快年龄和性别预测。这需要使用线程或多处理。

  2. 跳帧：对于视频输入，您不需要处理每一帧，特别是在视频流畅且面部变化不快的情况下。您可以处理每第 n 帧以减少计算量。

  3. 调整帧大小：在人脸检测之前缩小帧的尺寸可以提高速度，因为它减少了要处理的数据量。

  4. 优化 Blob 创建：您可以对性别和年龄检测模型重复使用 Blob 创建步骤，以避免重复计算。

  5. 使用更快的模型：如果您的应用程序允许，您可以切换到更快（尽管可能不太准确）的人脸检测模型。

  6. 资源管理：合理释放视频采集、窗口等资源，避免不必要的资源消耗。

import cv2 as cv
import time
import argparse
from threading import Thread
from queue import Queue

def processFace(faceNet, genderNet, ageNet, frame, bbox, resultsQueue, padding=20):
    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()]

    ageNet.setInput(blob)
    agePreds = ageNet.forward()
    age = ageList[agePreds[0].argmax()]

    label = "{},{}".format(gender, age)
    resultsQueue.put((bbox, label))

def main():
    parser = argparse.ArgumentParser(description='Age and gender recognition with OpenCV.')
    parser.add_argument('--input', help='Path to input image or video file. Skip this argument to capture frames from a camera.')
    args = parser.parse_args()

    # [Load models...]

    cap = cv.VideoCapture(args.input if args.input else 0)
    frameSkip = 5  # Process every 5th frame
    frameCount = 0
    resultsQueue = Queue()

    while cv.waitKey(1) < 0:
        hasFrame, frame = cap.read()
        if not hasFrame:
            cv.waitKey()
            break

        frameCount += 1
        if frameCount % frameSkip != 0:
            continue

        frameFace, bboxes = getFaceBox(faceNet, frame)
        if not bboxes:
            print("No face Detected, Checking next frame")
            continue

        for bbox in bboxes:
            # Start a new thread for processing each face
            Thread(target=processFace, args=(faceNet, genderNet, ageNet, frame, bbox, resultsQueue)).start()

        # Draw results from the queue
        while not resultsQueue.empty():
            bbox, label = resultsQueue.get()
            cv.putText(frameFace, label, (bbox[0], bbox[1] - 10), cv.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 255), 2, cv.LINE_AA)

        cv.imshow("Age Gender Demo", frameFace)

    cap.release()
    cv.destroyAllWindows()

if __name__ == "__main__":
    main()

文章出处登录后可见！

已经登录？立即刷新

共计人评分，平均分

到目前为止还没有投票！成为第一位评论此文章。

赞 (0)
社会演员多的头像社会演员多普通用户
0
上一篇 2023年11月28日
下一篇 2023年11月28日

相关推荐

此站出售，如需请站内私信或者邮箱！