前言

🚀 作者 ：“程序員梨子”

🚀 **文章簡(jiǎn)介 **：本篇文章主要講解本次利用Opencv庫(kù)，實(shí)現(xiàn)化年齡性別檢測(cè)機(jī)器。

🚀 **文章源碼獲取 **： 為了感謝每一個(gè)關(guān)注我的小可愛💓每篇文章的項(xiàng)目源碼都是無(wú)償分

享滴💓👇👇👇

點(diǎn)這里藍(lán)色這行字體自取，需要什么源碼記得說(shuō)標(biāo)題名字哈！私信我也可！

🚀 歡迎小伙伴們 點(diǎn)贊👍、收藏?、留言💬

正文

在本文中，我將帶您完成用 Python 進(jìn)行機(jī)器學(xué)習(xí)的年齡和性別檢測(cè)的任務(wù)。

年齡和性別檢測(cè)屬于計(jì)算機(jī)視覺的范疇，因此我將在Python中使用OpenCV庫(kù)。

在開始使用Python進(jìn)行年齡和性別檢測(cè)任務(wù)之前，我將首先帶您了解該概念的含義以及如何處理年

齡和性別檢測(cè)問(wèn)題。理解這個(gè)概念很重要，以便將來(lái)您不僅可以使用python，還可以使用任何編程

語(yǔ)言輕松地執(zhí)行年齡和性別檢測(cè)任務(wù)。

一、小簡(jiǎn)介

年齡和性別檢測(cè)簡(jiǎn)介

檢測(cè)年齡和性別的任務(wù)是一個(gè)固有的難題，比許多其他計(jì)算機(jī)視覺任務(wù)更為困難。造成這種

困難的主要原因在于訓(xùn)練這些類型的系統(tǒng)所需的數(shù)據(jù)。

盡管一般的對(duì)象檢測(cè)任務(wù)通常可以訪問(wèn)成千上萬(wàn)甚至數(shù)百萬(wàn)張圖像進(jìn)行訓(xùn)練，但是帶有年齡

或性別標(biāo)簽的數(shù)據(jù)集卻要小得多，通常只有幾千個(gè)，或者最好是幾萬(wàn)個(gè)。

原因是要為此類圖像添加標(biāo)簽，我們需要訪問(wèn)圖像中主題的個(gè)人信息。即，我們將需要他們

的出生日期和性別，尤其出生日期是很難獲取的信息。

因此必須解決這個(gè)問(wèn)題的本質(zhì)，我們正在用適應(yīng)網(wǎng)絡(luò)體系結(jié)構(gòu)和算法方法來(lái)解決這些局限

性。

用Python進(jìn)行年齡和性別檢測(cè)

按年齡和性別分類的領(lǐng)域已經(jīng)研究了數(shù)十年。多年來(lái)，已經(jīng)采取了各種方法來(lái)解決該問(wèn)題，

并且取得了不同程度的成功。現(xiàn)在，我們開始使用 Python 來(lái)檢測(cè)年齡和性別。

我將把性別檢測(cè)問(wèn)題作為分類問(wèn)題，將年齡檢測(cè)問(wèn)題作為回歸問(wèn)題。但是，使用回歸準(zhǔn)確估

計(jì)年齡是困難的。甚至人類也無(wú)法通過(guò)注視一個(gè)人來(lái)準(zhǔn)確預(yù)測(cè)年齡。但是，我們確實(shí)知道他

們是30多歲還是40多歲。這也是我要使用Python進(jìn)行的操作。

現(xiàn)在，讓我們開始使用 Python 語(yǔ)言進(jìn)行年齡和性別檢測(cè)任務(wù)。首先，我將開始編寫用于檢

測(cè)面部的代碼，因?yàn)槿绻麤]有面部檢測(cè)，我們將無(wú)法繼續(xù)進(jìn)行年齡和性別預(yù)測(cè)任務(wù)。

您可以從此處下載在年齡和性別檢測(cè)任務(wù)中所需的必要的OpenCV預(yù)訓(xùn)練模型?，F(xiàn)在，在您

的python文件中導(dǎo)入OpenCV模塊后，即可開始使用以下代碼。

二、代碼展示

用于人臉檢測(cè)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(xiàn)在，下一步是預(yù)測(cè)圖像中人的性別。在這里，我將把性別網(wǎng)絡(luò)加載到內(nèi)存中，并通過(guò)網(wǎng)絡(luò)將檢測(cè)

到的面部發(fā)送給性別檢測(cè)任務(wù)。

性別檢測(cè)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(xiàn)在的下一個(gè)任務(wù)是預(yù)測(cè)圖像中人的年齡。在這里，我將使用前向傳遞來(lái)獲取輸出。由于網(wǎng)絡(luò)架構(gòu)

類似于性別網(wǎng)絡(luò)，因此我們可以充分利用所有輸出，以獲取預(yù)期的年齡組，來(lái)完成任務(wù)以檢測(cè)年

齡。

用于年齡檢測(cè)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))

我們需要編寫的最后代碼是顯示輸出：

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)

效果展示——

因此，從輸出中可以看到，我們能夠高度準(zhǔn)確地預(yù)測(cè)性別和年齡。

?

?總結(jié)

好啦，這篇文章寫到這里結(jié)束了哈，像自己試試這個(gè)小功能嘛？

關(guān)注小編獲取更多精彩內(nèi)容！記得點(diǎn)擊傳送門哈👇

記得三連哦！ 如需打包好的源碼+素材免費(fèi)分享滴！！傳送門

?

?

總結(jié)

以上是生活随笔為你收集整理的【Opencv实战】“一岁年龄一岁心，匆匆岁月不由人“这款年龄检测机等你来（附源码）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。