【年龄估计系列三】keras实现网络照相机的实时性别/年龄预测

柔情只为你懂 2022-04-15 06:48 148阅读 0赞

**目录**

1、简介

2、工作流程

（1）输入图像

（2）人脸检测

（3）人脸分割

（4）特征提取和年龄性别检测

3、深入理解

4、延伸阅读

--------------------

## 1、简介 ##

你是否曾经有过这样的时刻：猜测另一个人的年纪？下面这个简单的神经网络模型也许可以帮助你。

下面这个你即将运行的demo将会从网络照相机中获取动态的视频流，并给获取到的人脸打上年龄和性别的标签。想象一下，如果我们把一个这样的网络照相机放在你的门口，检测每一个经过的人的性别和年纪，是不是很酷？

![0_IPuP715vFjqgwH9r.gif][]

我的运行环境是：windows，python3.5。当然，其他操作系统也是可以的。

## 2、工作流程 ##

如下是整个工作的流程。

![0_kq6d_kMbWeseL-ZA.png][]

### （1）输入图像 ###

首先，通过cv2模块，从网络视频流中获取照片

# 0 means the default video capture device in OS
    video_capture = cv2.VideoCapture(0)
    # infinite loop, break by key ESC
    while True:
        if not video_capture.isOpened():
            sleep(5)
        # Capture frame-by-frame
        ret, frame = video_capture.read()

### （2）人脸检测 ###

灰度化，再用cv2模块「CascadeClassifier」获取人脸

gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(
        gray,
        scaleFactor=1.2,
        minNeighbors=10,
        minSize=(self.face_size, self.face_size)
    )

人脸检测的结果：一系列人脸的坐标\[x, y, w, h\]

### （3）人脸分割 ###

由于人脸检测可能不一定的框住整张脸，因此将人脸加上40%的周边，从而帮助获取整个脸部。

# placeholder for cropped faces
    face_imgs = np.empty((len(faces), self.face_size, self.face_size, 3))
    for i, face in enumerate(faces):
        face_img, cropped = self.crop_face(frame, face, margin=40, size=self.face_size)
        (x, y, w, h) = cropped
        cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 200, 0), 2)
        face_imgs[i,:,:,:] = face_img

我们把分割后的人脸输入到模型，接下来就是预测predict了。

### （4）特征提取和年龄性别检测 ###

对于年龄预测，模型的输出是101个值，年龄从0～100的概率预测值，这101个值的和为1。

所以，我们把概率乘以对应的年龄值再相加，就得到最后预测的年龄。

if len(face_imgs) > 0:
        # predict ages and genders of the detected faces
        results = self.model.predict(face_imgs)
        predicted_genders = results[0]
        ages = np.arange(0, 101).reshape(101, 1)
        predicted_ages = results[1].dot(ages).flatten()

最后，我们画一下结果图。

性别预测是一个二分类问题。模型的输出是1个范围在0～1的值，值越大，表示模型认为是「男性」的概率越大。

# draw results
    for i, face in enumerate(faces):
        label = "{}, {}".format(int(predicted_ages[i]),
                                "F" if predicted_genders[i][0] > 0.5 else "M")
        self.draw_label(frame, (face[0], face[1]), label)
    cv2.imshow('Keras Faces', frame)
    if cv2.waitKey(5) == 27:  # ESC key press
        break

完整的代码和预训练的模型参数见Github：[https://github.com/Tony607/Keras\_age\_gender][https_github.com_Tony607_Keras_age_gender]

## 3、深入理解 ##

对于那些不满足于demo，想要知道更多关于模型如何建立和训练的同学，这部分可以满足你的要求。

数据集「IMDB-WIKI-500Kfaceimages」：[https://data.vision.ee.ethz.ch/cvl/rrothe/imdb-wiki/][https_data.vision.ee.ethz.ch_cvl_rrothe_imdb-wiki]

我们输入模型的每一张图片，都进行了上述的预处理：人脸检测和补充周边

神经网络的特征提取使用的是Wide Residual Networks精简版的WideResNet结构。使用CNN学习人脸特征，从不太抽象的边缘、角落特征到更加抽象的眼睛、嘴巴等特征。WideResNet更独特的地方在于，作者减少了原始residual模型的深度，增加了宽度，所以训练的速度快了几倍。具体论文：[https://arxiv.org/abs/1605.07146][https_arxiv.org_abs_1605.07146]

## 4、延伸阅读 ##

模型的可能性是无穷尽的，它的输出很大程度上依赖于你给的输入。比如你给的输入是很多标注为很有吸引力的照片，那么，你就会教会模型从网络实时视频流中辨别一个人的魅力指数。

以下是一系列相关的项目，数据集：

[Age/Gender detection in Tensorflow][Age_Gender detection in Tensorflow]

[IMDB-WIKI — 500k+ face images with age and gender labels][https_data.vision.ee.ethz.ch_cvl_rrothe_imdb-wiki]

Data: [Unfiltered faces for gender and age classification][]  
Github: [keras-vggface][]

[Selfai: A Method for Understanding Beauty in Selfies][Selfai_ A Method for Understanding Beauty in Selfies]

翻译自：[https://medium.com/@chengweizhang2012/easy-real-time-gender-age-prediction-from-webcam-video-with-keras-8b12dc7c1543][https_medium.com_chengweizhang2012_easy-real-time-gender-age-prediction-from-webcam-video-with-keras-8b12dc7c1543]

[0_IPuP715vFjqgwH9r.gif]: https://cdn-images-1.medium.com/max/800/0*IPuP715vFjqgwH9r.gif
[0_kq6d_kMbWeseL-ZA.png]: https://cdn-images-1.medium.com/max/800/0*kq6d_kMbWeseL-ZA.png
[https_github.com_Tony607_Keras_age_gender]: https://github.com/Tony607/Keras_age_gender
[https_data.vision.ee.ethz.ch_cvl_rrothe_imdb-wiki]: https://data.vision.ee.ethz.ch/cvl/rrothe/imdb-wiki/
[https_arxiv.org_abs_1605.07146]: https://arxiv.org/abs/1605.07146
[Age_Gender detection in Tensorflow]: https://github.com/dpressel/rude-carnie
[Unfiltered faces for gender and age classification]: https://www.openu.ac.il/home/hassner/Adience/data.html#agegender
[keras-vggface]: https://github.com/rcmalli/keras-vggface
[Selfai_ A Method for Understanding Beauty in Selfies]: http://www.erogol.com/selfai-predicting-facial-beauty-selfies/
[https_medium.com_chengweizhang2012_easy-real-time-gender-age-prediction-from-webcam-video-with-keras-8b12dc7c1543]: https://medium.com/@chengweizhang2012/easy-real-time-gender-age-prediction-from-webcam-video-with-keras-8b12dc7c1543