OpenCV -3 -年龄性别预测

OpenCV -3 -年龄性别预测

文章目录

使用语言：Java 1.8
操作系统：windows x64
OpenCV：4.1.1

OpenCV关于预测模型介绍

自2012年深度学习火起来后，AlexNet，vgg16，vgg19，gooGleNet，caffeNet，faster RCNN等，各种模型层出不群，颇有文艺复兴时的形态。

在各种顶会论文中，对年龄和性别的检测的论文还是比较少的。而本文将要讲解的是2015年的一篇cvpr，Age and Gender Classification using Convolutional Neural Networks。官方链接为http://www.openu.ac.il/home/hassner/projects/cnn_agegender/ 【很明显这段是小抄，是接下来使用的模型的理论基础，反正我看不懂╮(╯_╰)╭】

基于 CNN模型的年龄和性别检测

关于CNN模型的算法等等的，全部略过。。。。

首先，先下载模型的文件：age_net.caffemodel、deploy_age.prototxt、gender_net.caffemodel、deploy_gender.prototxt；

然后，使用OpenCV的readNetFromCaffe方法加载预测模型。【该方法可以读取以Caffe框架格式存储的网络模型】

结果，把图片预处理一下，丢进去执行分析预测方法，就会返回结果了。

用现成的模型还是很简单的，而对于预测的准确性啥的，一般般能就行了，肯定比不了那些商用模型的。

实际实现代码分析

年龄预测

 /**
     * 年龄预测  这个就是上一篇文章里面调用的方法
     * 参数为人脸识别之后，截取人脸的图片
     */
    static String age_model = "D:/OpenCV/opencv/sources/samples/data/dnn/age_gender/age_net.caffemodel";
    static String age_text = "D:/OpenCV/opencv/sources/samples/data/dnn/age_gender/deploy_age.prototxt";
    static Net ageNet = readNetFromCaffe(age_text, age_model);

    public static String predict_age(Mat image){

        if (OpenCVTools.ageNet.empty()){
            System.out.println("could not load net...\n");
        }
        // 输入图片，这里的大小是依据模型训练的时候设定的 
        // 在之后自己训练的时候可以看到地点点原因
        Mat blob = blobFromImage(image, 1.0, new Size(227,227));
        ageNet.setInput(blob,"data");
        // mat  reshape 在不复制数据的情况下更改二维矩阵的形状和/或通道数。
        Mat prob = ageNet.forward("prob");
        Mat probMat = prob.reshape(1, 1);
		// 这里是对预测值做处理
        Core.MinMaxLocResult mmr = Core.minMaxLoc(probMat);
        org.opencv.core.Point matchLoc = mmr.maxLoc;

        double classidx = matchLoc.x;
        System.out.println("年龄"+"???"+matchLoc.x);
        // 预测对应的年龄数据
        List ages = new ArrayList();
        ages.add("0-2");
        ages.add("4 - 6");
        ages.add("8 - 12");
        ages.add("15 - 20");
        ages.add("25 - 32");
        ages.add("38 - 43");
        ages.add("48 - 53");
        ages.add("60 - 100");
        return ages.get(((int)classidx))+"";
    }

性别预测

/**
     * 性别预测
     * 参数为人脸识别之后，截取人脸的图片
     */
    static String gender_model = "D:/OpenCV/opencv/sources/samples/data/dnn/age_gender/gender_net.caffemodel";
    static String gender_text = "D:/OpenCV/opencv/sources/samples/data/dnn/age_gender/deploy_gender.prototxt";
    static Net sexNet = readNetFromCaffe(gender_text, gender_model);

    public static String predict_gender(Mat image){

        if (sexNet.empty()){
            System.out.println("could not load net...\n");
        }
        // 输入
        Mat blob = blobFromImage(image, 1.0, new Size(227,227));
        sexNet.setInput(blob,"data");
        // 预测分类 运行forward pass以计算名为output name的层的输出。
        Mat prob = sexNet.forward("prob");
        Mat probMat = prob.reshape(1, 1);

        double[] sexData0 = probMat.get(0,0);
        double[] sexData1 = probMat.get(0,1);
        // 试一下其他的写法  依据标签的写法
//        Core.MinMaxLocResult mmr = Core.minMaxLoc(probMat);
//        org.opencv.core.Point matchLoc = mmr.maxLoc;
//        System.out.println("性别"+"???"+sexData0[0]+sexData1[0]);
//        System.out.println("性别"+"???"+matchLoc);
//        List ages = new ArrayList();
//        ages.add("male");
//        ages.add("female");
//        System.out.println("性别"+":::"+ages.get(((int)matchLoc.x))+"");
        return sexData0[0] > sexData1[0] ? "Man" : "Woman";
    }

小结一下

这里需要一个结果的图片：
在这里插入图片描述

到这里，其实基本的图像识别就已经完成，普通的玩一下的话，可以收工了。

如果需要提升识别精度，或者更多的识别物体，就需要：换一个大佬训练好的模型，或者自己训练一个。

因为，打算学习OpenCV是需要做分享的，所有还要继续换gooGleNet模型试一下，据说能识别1000+的物件。

然后，还有自己训练一个人脸对应名称的模型玩一下，理解一下基本训练模型的流程的简单入参。

2019-11-04 小杭 ε=(´ο｀*)))唉 学习使我快乐【学习真累。。。。。。

参考

posted @ 2022-05-21 23:31  小-杭  阅读(309)  评论(0)  编辑  收藏  举报