基於Python進行年齡和性別檢測

Posted on by

前言

在本文中，我將使用 Python 編程語言帶您完成使用機器學習進行年齡和性別檢測的任務。年齡和性別檢測是計算機視覺的任務，因此我將使用Python 中的 OpenCV 庫。

在開始使用 Python 進行年齡和性別檢測的任務之前，我將首先帶您瞭解這個概念的含義以及如何處理年齡和性別檢測的問題。理解這個概念很重要，這樣以後你就可以輕松地使用 Python 和任何編程語言來執行年齡和性別檢測的任務。

年齡和性別檢測簡介

然而，檢測年齡和性別的任務是一個固有的難題，比許多其他計算機視覺任務更是如此。這種難度差距的主要原因在於訓練這些類型的系統所需的數據。

雖然一般的對象檢測任務通常可以訪問數十萬甚至數百萬張圖像進行訓練，但帶有年齡和/或性別標簽的數據集要小得多，通常為數千個，最多為數萬個。

原因是為瞭給這樣的圖像添加標簽，我們需要訪問圖像中主體的個人信息。也就是說，我們需要他們的出生日期和性別，特別是出生日期是很少公開的信息。

也就是說，我們需要他們的出生日期和性別，特別是出生日期是很少公開的信息。因此，我們必須解決這個問題的性質，我們正在解決和調整網絡架構和算法方法來處理這些限制。

入門：

現在讓我們開始使用 Python 編程語言進行年齡和性別檢測任務。我將首先編寫用於檢測人臉的代碼，因為如果沒有人臉檢測，我們將無法進一步完成年齡和性別預測的任務。

您可以從此處下載在年齡和性別檢測任務中所需的必要 OpenCV 預訓練模型。現在在你的 python 文件中導入 OpenCV 模塊後，你可以開始使用下面的代碼。

人臉檢測的 Python 代碼：

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

現在下一步是預測圖像中人類的性別。在這裡，我將性別網絡加載到內存中，並將檢測到的人臉通過網絡傳輸，用於性別檢測任務。

性別檢測的 Python 代碼：

genderProto = "gender_deploy.prototxt"
genderModel = "gender_net.caffemodel"
ageNet = cv.dnn.readNet(ageModel, ageProto)

genderList = ['Male', 'Female']

blob = cv.dnn.blobFromImage(face, 1, (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 : {}".format(gender))

現在下一個任務是預測圖像中人類的年齡。這裡我將加載老化網絡並使用前向傳遞來獲取輸出。由於網絡架構與性別網絡相似，我們可以充分利用所有輸出來獲得任務的預期年齡組來檢測年齡。

用於年齡檢測的 Python 代碼：

ageProto = "age_deploy.prototxt"
ageModel = "age_net.caffemodel"
ageNet = cv.dnn.readNet(ageModel, ageProto)

ageList = ['(0 - 2)', '(4 - 6)', '(8 - 12)', '(15 - 20)', '(25 - 32)', '(38 - 43)', '(48 - 53)', '(60 - 100)']

ageNet.setInput(blob)
agePreds = ageNet.forward()
age = ageList[agePreds[0].argmax()]
print("Gender Output : {}".format(agePreds))
print("Gender : {}".format(age))

我們需要編寫的最後一段代碼是顯示輸出：

label = "{}, {}".format(gender, age)
cv.putText(frameFace, label, (bbox[0], bbox[1]-20), cv.FONT_HERSHEY_SIMPLEX, 0.8, (255, 0, 0), 3, cv.LINE_AA)
cv.imshow("Age Gender Demo", frameFace)

到此這篇關於基於Python進行年齡和性別檢測的文章就介紹到這瞭,更多相關Python年齡和性別檢測內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：