OpenCV -3 -年齡性別預測

OpenCV -3 -年齡性別預測

使用語言：Java 1.8
操作系統：windows x64
OpenCV：4.1.1

---

OpenCV關於預測模型介紹

自2012年深度學習火起來後，AlexNet，vgg16，vgg19，gooGleNet，caffeNet，faster RCNN等，各種模型層出不羣，頗有文藝復興時的形態。

在各種頂會論文中，對年齡和性別的檢測的論文還是比較少的。而本文將要講解的是2015年的一篇cvpr，Age and Gender Classification using Convolutional Neural Networks。官方鏈接爲http://www.openu.ac.il/home/hassner/projects/cnn_agegender/ 【很明顯這段是小抄，是接下來使用的模型的理論基礎，反正我看不懂╮(╯_╰)╭】

基於 CNN模型的年齡和性別檢測

關於CNN模型的算法等等的，全部略過。。。。

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

然後，使用OpenCV的readNetFromCaffe方法加載預測模型。【該方法可以讀取以Caffe框架格式存儲的網絡模型】

結果，把圖片預處理一下，丟進去執行分析預測方法，就會返回結果了。

用現成的模型還是很簡單的，而對於預測的準確性啥的，一般般能就行了，肯定比不了那些商用模型的。

實際實現代碼分析

年齡預測

 /**
     * 年齡預測  這個就是上一篇文章裏面調用的方法
     * 參數爲人臉識別之後，截取人臉的圖片
     */
    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");
        }
        // 輸入圖片，這裏的大小是依據模型訓練的時候設定的 
        // 在之後自己訓練的時候可以看到地點點原因
        Mat blob = blobFromImage(image, 1.0, new Size(227,227));
        ageNet.setInput(blob,"data");
        // mat  reshape 在不復制數據的情況下更改二維矩陣的形狀和/或通道數。
        Mat prob = ageNet.forward("prob");
        Mat probMat = prob.reshape(1, 1);
		// 這裏是對預測值做處理
        Core.MinMaxLocResult mmr = Core.minMaxLoc(probMat);
        org.opencv.core.Point matchLoc = mmr.maxLoc;

        double classidx = matchLoc.x;
        System.out.println("年齡"+"???"+matchLoc.x);
        // 預測對應的年齡數據
        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))+"";
    }

性別預測

/**
     * 性別預測
     * 參數爲人臉識別之後，截取人臉的圖片
     */
    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");
        }
        // 輸入
        Mat blob = blobFromImage(image, 1.0, new Size(227,227));
        sexNet.setInput(blob,"data");
        // 預測分類 運行forward pass以計算名爲output name的層的輸出。
        Mat prob = sexNet.forward("prob");
        Mat probMat = prob.reshape(1, 1);

        double[] sexData0 = probMat.get(0,0);
        double[] sexData1 = probMat.get(0,1);
        // 試一下其他的寫法  依據標籤的寫法
//        Core.MinMaxLocResult mmr = Core.minMaxLoc(probMat);
//        org.opencv.core.Point matchLoc = mmr.maxLoc;
//        System.out.println("性別"+"???"+sexData0[0]+sexData1[0]);
//        System.out.println("性別"+"???"+matchLoc);
//        List ages = new ArrayList();
//        ages.add("male");
//        ages.add("female");
//        System.out.println("性別"+":::"+ages.get(((int)matchLoc.x))+"");
        return sexData0[0] > sexData1[0] ? "Man" : "Woman";
    }

小結一下

這裏需要一個結果的圖片：

到這裏，其實基本的圖像識別就已經完成，普通的玩一下的話，可以收工了。

如果需要提升識別精度，或者更多的識別物體，就需要：換一個大佬訓練好的模型，或者自己訓練一個。

因爲，打算學習OpenCV是需要做分享的，所有還要繼續換gooGleNet模型試一下，據說能識別1000+的物件。

然後，還有自己訓練一個人臉對應名稱的模型玩一下，理解一下基本訓練模型的流程的簡單入參。

---

2019-11-04 小杭 ε=(´ο｀*)))唉 學習使我快樂【學習真累。。。。。。

---

參考

• https://blog.csdn.net/hunzhangzui9837/article/details/82840072
• 模型地址：https://talhassner.github.io/home/publication/2015_CVPR
• OpenCV文檔：https://docs.opencv.org/4.1.1/ 【一些代碼中的方法可以在這裏才具體定義】

---