Opencv dnn实现人类性别检测和年龄预测

概述

前面我写了很多篇关于OpenCV DNN应用相关的文章，这里再来一篇文章，用OpenCV DNN实现一个很有趣好玩的例子，基于Caffe的预训练模型实现年龄与性别预测，这个在很多展会上都有展示，OpenCV DNN实现这里非常简洁明了，总共不到100行的代码。下面就来说一下怎么实现的，首先下载两个Caffe的预训练模型：

Gender Net and Age Net

https://www.dropbox.com/s/iyv483wz7ztr9gh/gender_net.caffemodel?dl=0"

https://www.dropbox.com/s/xfb20y596869vbb/age_net.caffemodel?dl=0"

上述两个模型一个是预测性别的，一个是预测年龄的，性别预测返回的是一个二分类结果

Male
Female

年龄预测返回的是8个年龄的阶段！

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

人脸检测是基于OPenCV DNN模块自带的残差网络的人脸检测算法模型！非常的强大与好用！

实现步骤

完整的实现步骤需要如下几步：

1. 预先加载三个网络模型

2. 打开摄像头视频流/加载图像

3. 对每一帧进行人脸检测

   - 对检测到的人脸进行性别与年龄预测

   - 解析预测结果

   - 显示结果

代码实现详解

加载模型

MODEL_MEAN_VALUES = (78.4263377603, 87.7689143744, 114.895847746)
ageList = ['(0-2)', '(4-6)', '(8-12)', '(15-20)', '(25-32)', '(38-43)', '(48-53)', '(60-100)']
genderList = ['Male', 'Female']

# Load network
ageNet = cv.dnn.readNet(ageModel, ageProto)
genderNet = cv.dnn.readNet(genderModel, genderProto)
faceNet = cv.dnn.readNet(faceModel, faceProto)

人脸