Python调用本机摄像头进行人脸识别性别和年龄

可以使用Python中的OpenCV库进行人脸识别和性别/年龄预测。以下是一个简单的示例代码：

import cv2
import math
import argparse

# 加载人脸检测模型和性别/年龄分类器
face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml')
gender_age_net = cv2.dnn.readNetFromCaffe('deploy_gender.prototxt', 'gender_net.caffemodel')

# 定义性别和年龄标签
gender_list = ['Male', 'Female']
age_list = ['(0-2)', '(4-6)', '(8-12)', '(15-20)', '(25-32)', '(38-43)', '(48-53)', '(60-100)']

# 解析输入参数
parser = argparse.ArgumentParser()
parser.add_argument('-v', '--video', help='path to input video file')
args = parser.parse_args()

# 打开摄像头或视频文件
if args.video:
    cap = cv2.VideoCapture(args.video)
else:
    cap = cv2.VideoCapture(0)

# 循环读取每一帧并进行处理
while True:
    # 读取一帧
    ret, frame = cap.read()
    if not ret:
        break

    # 将帧转换为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 检测人脸
    faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

    # 遍历每个检测到的人脸
    for (x, y, w, h) in faces:
        # 提取人脸ROI
        face_roi = gray[y:y+h, x:x+w]

        # 缩放人脸ROI并进行均值归一化
        face_blob = cv2.dnn.blobFromImage(cv2.resize(face_roi, (227, 227)), 1.0, (227, 227), (78.4263377603, 87.7689143744, 114.895847746), swapRB=False, crop=False)

        # 进行性别/年龄预测
        gender_age_net.setInput(face_blob)
        gender_age_preds = gender_age_net.forward()

        # 解析性别和年龄预测结果
        gender_pred = gender_list[gender_age_preds[0].argmax()]
        age_pred = age_list[math.floor(gender_age_preds[1][0][0][0])]

        # 在图像中绘制人脸框和性别/年龄标签
        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
        label = '{}, {}'.format(gender_pred, age_pred)
        cv2.putText(frame, label, (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2, cv2.LINE_AA)

    # 显示处理后的帧
    cv2.imshow('frame', frame)

    # 按下q键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()

在上面的代码中，我们使用OpenCV库加载了人脸检测器和性别/年龄分类器，然后打开了摄像头（或视频文件），循环读取每一帧并进行处理。对于每个检测到的人脸，我们提取了人脸ROI并进行了缩放和均值归一化，然后使用性别/年龄分类器进行预测。最后，我们在图像中绘制人脸框和性别/年龄标签，并显示处理后的帧。