深圳网站建设联雅网络,组织建设包括哪些内容,wordpress模板百度云,网站建设合同范本-经过律师审核结合以下链接中的文章有助于理解此篇案例#xff1a;
OpenCV中的 cnn 模块 https://blog.csdn.net/weixin_73504499/article/details/142965441?spm1001.2014.3001.5501
此案例是通过使用OpenCV中的cnn模块来调用别人已经训练好的深度学习模型#xff0c;此篇案例中用到了…结合以下链接中的文章有助于理解此篇案例
OpenCV中的 cnn 模块 https://blog.csdn.net/weixin_73504499/article/details/142965441?spm1001.2014.3001.5501
此案例是通过使用OpenCV中的cnn模块来调用别人已经训练好的深度学习模型此篇案例中用到了人脸检测模型、年龄预测模型性别预测模型。 以下链接中是这三种模型所需要的模型文件和配置文件 链接: https://pan.baidu.com/s/1hzatG5CNVVULCA8TjEegag?pwdiaeg提取码: iaeg 完整代码如下 import cv2
from PIL import Image, ImageDraw, ImageFont
import numpy as np# 模型初始化
# 模型(网络模型/预训练模型)face/age/gender(脸、年龄、性别)
faceProto model/opencv_face_detector.pbtxt
faceModel model/opencv_face_detector_uint8.pb
ageProto model/deploy_age.prototxt
ageModel model/age_net.caffemodel
genderProto model/deploy_gender.prototxt
genderModel model/gender_net.caffemodel# 加载网络
ageNet cv2.dnn.readNet(ageModel, ageProto) # 模型的权重参数、模型的配置
genderNet cv2.dnn.readNet(genderModel, genderProto)
faceNet cv2.dnn.readNet(faceModel, faceProto)
# 年龄初始化
# 年龄段和性别 共有8个年龄区间区间范围可自行更改
ageList [0-2岁, 4-6岁, 8-12岁, 15-22岁, 25-32岁, 38-43岁, 48-53岁, 60-100岁]
genderList [男性, 女性]
mean (78.4263377603, 87.7689143744, 114.895847746) # 模型均值# 自定义函数获取人脸包围框
def getBoxes(net, frame):frameHeight, frameWidth frame.shape[:2] # 获取高度、宽度# 实现图像预处理从原始图像构建一个符合人工神经网络输入格式的四维块。blob cv2.dnn.blobFromImage(frame, 1.0, (300, 300), [104, 117, 123], True, False)net.setInput(blob) # 调用网络模型输入图片进行人脸检测detections net.forward()faceBoxes [] # 存储检测到的人脸xx detections.shape[2]for i in range(detections.shape[2]):# confidence中每一行保存了7个数据第3个数据表示置信度第4567分别表示人脸归一化后的坐标位置confidence detections[0, 0, i, 2]if confidence 0.7: # 筛选一下将置信度大于0.7的保留其余不要了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)faceBoxes.append([x1, y1, x2, y2]) # 人脸框坐标# 绘制人脸框cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), int(round(frameHeight / 150)), 6)# 返回绘制了人脸框的帧frame、人脸包围框faceBoxesreturn frame, faceBoxes 向图片中添加中文
def cv2AddChineseText(img, text, position, textColor(0, 255, 0), textSize30):if (isinstance(img, np.ndarray)): # 判断是否是OpenCV图片类型img Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) # 实现 array 到 image 的转换draw ImageDraw.Draw(img) # 在img图片上创建一个绘图的对象# 字体的格式 C 盘中的 Windows/Fonts 中复制到此文件夹下可看到文件名fontStyle ImageFont.truetype(simsun.ttc, textSize, encodingutf-8)draw.text(position, text, textColor, fontfontStyle) # 绘制文本return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR) # 转换回 OpenCV 格式 打开摄像头将每一帧画面传入神经网络中
cap cv2.VideoCapture(0) # 0--电脑自带摄像头1--电脑外接摄像头while True:_, frame cap.read()# frame cv2.flip(frame1) # 镜像处理# 获取人脸包围框、绘制人脸包围框(可能多个)frame, faceBoxes getBoxes(faceNet, frame)if not faceBoxes:print(当前镜头中没有人)continue# 遍历每一个人脸包围框for faceBoxe in faceBoxes:# 处理每一帧画面frame将其处理为符合DNN输入的格式x, y, x1, y1 faceBoxeface frame[y:y1, x:x1]blob cv2.dnn.blobFromImage(face, 1.0, (227, 227), mean) # 模型输入为227*277# 调用模型预测性别genderNet.setInput(blob)genderOuts genderNet.forward()gender genderList[genderOuts[0].argmax()]# 调用模型预测年龄ageNet.setInput(blob)ageOuts ageNet.forward()age ageList[ageOuts[0].argmax()]result {},{}.format(gender, age) # 格式化文本(年龄、性别)frame cv2AddChineseText(frame, result, (x, y - 30)) # 输出中文性别和年龄cv2.imshow(result, frame)if cv2.waitKey(1) 27: # 按下ESc键退出程序breakcv2.destroyAllWindows()
cap.release()
