基于Python如何進行年齡和性別檢測

基于Python如何進行年齡和性別檢測，針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。

前言

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，我將首先帶您了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，這樣以后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于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。

原因是為了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。我將首先編寫用于檢測人臉的代碼，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 模塊后，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。在這里，我將性別網絡加載到內存中，并將檢測到的人臉通過網絡傳輸，用于性別檢測任務。

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。這里我將加載老化網絡并使用前向傳遞來獲取輸出。由于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。

用于年齡檢測的 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))

我們需要編寫的最后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)

關于基于Python如何進行年齡和性別檢測問題的解答就分享到這里了，希望以上內容可以對大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關注億速云行業資訊頻道了解更多相關知識。