OpenCV之CNN年龄性别预测

• 💂 个人主页:风间琉璃
• 🤟 版权: 本文由【风间琉璃】原创、在CSDN首发、需要转载请联系博主
• 💬 如果文章对你有帮助、欢迎关注、点赞、收藏(一键三连)和订阅专栏哦

目录

前言

一、预处理

二、模型加载

三、执行推理

四、解析输出

---

前言

在当今数字时代，计算机视觉技术正在不断发展，并在多个领域产生影响。其中之一是年龄和性别识别。这项技术对于广告定向、人脸解锁和安全访问控制等领域至关重要。

卷积神经网络是一种深度学习模型，它在计算机视觉中表现出色。CNN的核心思想是通过多层卷积和池化操作，从图像中学习特征。这些特征可以用于各种任务，包括图像分类、对象检测和人脸识别。对于年龄和性别识别，CNN可以通过学习人脸的视觉特征来实现高精度。

参考链接：Age and Gender Classification Using Convolutional Neural Networks - Tal Hassner

一、预处理

一般图片都需要进行尺寸大小，维度以及RGB通道的变换。图片尺寸大小要求可以在配置文件的输入网络中查看，年龄的配置文件输入层如下:

//图像预处理
Mat blob = blobFromImage(image, 1.0, Size(227, 227));

其次，需要将网络模型的标签文件读取到内存中，如果标签类别较小也可以直接定义一个数组。

//获取年龄的区间
vector ageLabels() 
{
	vector ages;
	ages.push_back("0-2");
	ages.push_back("4-6");
	ages.push_back("8-13");
	ages.push_back("15-20");
	ages.push_back("25-32");
	ages.push_back("38-43");
	ages.push_back("48-53");
	ages.push_back("60-");
	return ages;
}

二、模型加载

数据准备后，就可以从模型文件和配置文件中加载网络模型。

//年龄预测网络模型
String age_model = "F:/data/CQU/VS/CNN_Age_Gender/age_net.caffemodel";
//年龄预测配置文件
String age_config = "F:/data/CQU/VS/CNN_Age_Gender/deploy_age.prototxt";
 
//性别预测网络模型
String gender_model = "F:/data/CQU/VS/CNN_Age_Gender/gender_net.caffemodel";
//性别预测配置文件
String gender_config = "F:/data/CQU/VS/CNN_Age_Gender/deploy_gender.prototxt";
 
//加载网络
Net age_net = readNetFromCaffe(age_config, age_model);
Net gender_net = readNetFromCaffe(gender_config, gender_model);

三、执行推理

然后就可以进行图像的预测，这里为了预测提高预测的准确度，所先要从图像中找到人脸部分，在送入给网络预测。

人脸检测：

//人脸检测文件
String haar_file = "F:/data/CQU/VS/CNN_Age_Gender/haarcascade_frontalface_alt_tree.xml";
 
//人脸检测
CascadeClassifier detector;
detector.load(haar_file);
vector faces;
Mat gray;
cvtColor(src, gray, COLOR_BGR2GRAY);
detector.detectMultiScale(gray, faces, 1.02, 1, 0, Size(40, 40), Size(500, 500));

预测：

// 预测分类
Mat prob = net.forward("prob");

四、解析输出

推理之后就获取到了预测的结果，我们需要对预测结果进行解析，并显示。

//预测年龄 
string predict_age(Net& net, Mat& image)
{
	//图像预处理
	Mat blob = blobFromImage(image, 1.0, Size(227, 227));
	net.setInput(blob, "data");
	//预测分类
	Mat prob = net.forward("prob");
	//打平成一维
	Mat probMat = prob.reshape(1, 1);
 
	Point classNum;
	double classProb;
	vector ages = ageLabels();
	//提取最大概率的编号和概率值
	minMaxLoc(probMat, NULL, &classProb, NULL, &classNum);
	int classidx = classNum.x;
	return ages.at(classidx);
}
 
 
//预测性别
String predict_gender(Net& net, Mat& image)
{
	//图片预处理
	Mat blob = blobFromImage(image, 1.0, Size(227, 227));
	net.setInput(blob, "data");
	// 预测分类
	Mat prob = net.forward("prob");
	Mat probMat = prob.reshape(1, 1);
	//比较大小，得到预测结果
	String res = (probMat.at<float>(0, 0) > probMat.at<float>(0, 1) ? "Man" : "Female");
	return res;
}
 
//对检测到的人脸进行预测，所以只有在检测到人脸时才会进行预测
String age,gender;
for(size_t t = 0; t < faces.size(); t++) 
{
	rectangle(src, faces[t], Scalar(30, 255, 30), 2, 8, 0);
	//年龄、性别预测
	Mat face = src(faces[t]);
	age = predict_age(age_net, face);
	gender = predict_gender(age_net, face);
 
	putText(src, format("age:%s", age.c_str()), Point(20, 20), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(0, 255, 0), 1);
	putText(src, format("gender:%s", gender.c_str()),Point(20, 40), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(0, 255, 0), 1);
}
imshow("age-gende", src);

运行结果：

程序源码：下载：OpenCV年龄和性别预测资源-CSDN文库

// CNN_Age_Gender.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。
//
 
#include 
#include 
#include 
#include 
#include 
 
using namespace cv;
using namespace cv::dnn;
using namespace std;
 
//人脸检测文件
String haar_file = "F:/data/CQU/VS/CNN_Age_Gender/haarcascade_frontalface_alt_tree.xml";
 
//年龄预测网络模型
String age_model = "F:/data/CQU/VS/CNN_Age_Gender/age_net.caffemodel";
//年龄预测配置文件
String age_config = "F:/data/CQU/VS/CNN_Age_Gender/deploy_age.prototxt";
 
//性别预测网络模型
String gender_model = "F:/data/CQU/VS/CNN_Age_Gender/gender_net.caffemodel";
//性别预测配置文件
String gender_config = "F:/data/CQU/VS/CNN_Age_Gender/deploy_gender.prototxt";
 
 
//获取年龄的区间
vector ageLabels() 
{
	vector ages;
	ages.push_back("0-2");
	ages.push_back("4-6");
	ages.push_back("8-13");
	ages.push_back("15-20");
	ages.push_back("25-32");
	ages.push_back("38-43");
	ages.push_back("48-53");
	ages.push_back("60-");
	return ages;
}
 
 
//预测年龄 
string predict_age(Net& net, Mat& image)
{
	//图像预处理
	Mat blob = blobFromImage(image, 1.0, Size(227, 227));
	net.setInput(blob, "data");
	//预测分类
	Mat prob = net.forward("prob");
	//打平成一维
	Mat probMat = prob.reshape(1, 1);
 
	Point classNum;
	double classProb;
	vector ages = ageLabels();
	//提取最大概率的编号和概率值
	minMaxLoc(probMat, NULL, &classProb, NULL, &classNum);
	int classidx = classNum.x;
	return ages.at(classidx);
}
 
 
//预测性别
String predict_gender(Net& net, Mat& image)
{
	//图片预处理
	Mat blob = blobFromImage(image, 1.0, Size(227, 227));
	net.setInput(blob, "data");
	// 预测分类
	Mat prob = net.forward("prob");
	Mat probMat = prob.reshape(1, 1);
	//比较大小，得到预测结果
	String res = (probMat.at<float>(0, 0) > probMat.at<float>(0, 1) ? "Man" : "Female");
	return res;
}
 
 
int main()
{
	Mat src = imread("5.jpg");
	if(src.empty()) 
	{
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("src", CV_WINDOW_AUTOSIZE);
	imshow("src", src);
 
	//人脸检测
	CascadeClassifier detector;
	detector.load(haar_file);
	vector faces;
	Mat gray;
	cvtColor(src, gray, COLOR_BGR2GRAY);
	detector.detectMultiScale(gray, faces, 1.02, 1, 0, Size(40, 40), Size(500, 500));
	//加载网络
	Net age_net = readNetFromCaffe(age_config, age_model);
	Net gender_net = readNetFromCaffe(gender_config, gender_model);
 
	//对检测到的人脸进行预测，所以只有在检测到人脸时才会进行预测
	String age,gender;
	for(size_t t = 0; t < faces.size(); t++) 
	{
		rectangle(src, faces[t], Scalar(30, 255, 30), 2, 8, 0);
		//年龄、性别预测
		Mat face = src(faces[t]);
		age = predict_age(age_net, face);
		gender = predict_gender(age_net, face);
 
		putText(src, format("age:%s", age.c_str()), Point(20, 20), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(0, 255, 0), 1);
		putText(src, format("gender:%s", gender.c_str()),Point(20, 40), FONT_HERSHEY_SIMPLEX, 0.5, Scalar(0, 255, 0), 1);
	}
	imshow("age-gende", src);
	waitKey(0);
	return 0;
}
 
 

结束语
感谢你观看我的文章呐~本次航班到这里就结束啦 🛬

希望本篇文章有对你带来帮助 🎉，有学习到一点知识~

躲起来的星星🍥也在努力发光，你也要努力加油（让我们一起努力叭）。

最后，博主要一下你们的三连呀（点赞、评论、收藏），不要钱的还是可以搞一搞的嘛~

不知道评论啥的，即使扣个666也是对博主的鼓舞吖 💞 感谢 💐