基于CNN实现对摄像头捕捉人脸的性别和年龄预测

程序于2023年10月10日更新,移步代码仓库(https://github.com/NICE-FUTURE/predict-gender-and-age-from-camera)查看最新程序及效果。

更新说明摘录如下:

  1. 特征提取主干由 ResNet50 替换为 Swin-Small, 性别和年龄预测分支由少量卷积替换为 MLP
  2. 性别预测比较准确, 年龄预测误差较大, 原因及解决思路下面(指 README 说明中的下文 🙂 )单独说明
  3. 更新了 README 中的说明

程序于2022年4月7日更新,移步代码仓库(https://github.com/NICE-FUTURE/predict-gender-and-age-from-camera)查看最新程序及效果。

更新说明摘录如下:

  1. 深度学习框架由Keras替换为PyTorch
  2. 模型结构由少量的卷积层替换为成熟的ResNet作为主干,并将年龄预测和性别预测统一到一个模型中,采用双分支输出结构。
  3. 目前在验证集的性别预测准确率为 91%
  4. 实际体验差强人意,但与去年5月份的试水版本相比,效果会更好

以下为旧文:

【Demo】基于CNN实现对摄像头捕捉人脸的性别和年龄预测

主要组成部分

  • 人脸识别模块(使用OpenCV自带的人脸识别功能,效果一般)
  • 性别分类模型(使用keras构建的一个CNN)
  • 年龄预测模型(使用keras构建的一个CNN)

实现思路

demo
demo

准备数据

原始数据来源于 https://data.vision.ee.ethz.ch/cvl/rrothe/imdb-wiki/static/wiki_crop.tar
原始数据集包含的图片数量很多,我从中筛选了大约10000张图片(筛选条件为:由OpenCV识别出的face数目为1、性别已知、男女各约5000张)
将图片由RGB图转换为灰度图,将图片尺寸压缩为20*20
从10000张图片中抽取1000张(男女比例相当)作为测试集,其余作为训练集

训练模型

性别分类模型和年龄预测模型的结构相同,均为两层卷积层,一层池化层,一层全连接层,一层输出层
性别分类模型的输出层使用sigmoid激活,损失函数选用binary_crossentropy
年龄预测模型的输出层使用relu激活,损失函数选用mean_absolute_error

性别分类:

# train4gender.py
def train_CNN(x_train, y_train, x_test, y_test):
    input_layer = Input(shape=(20201), name="input_layer")

    conv2d_layer = Conv2D(32, kernel_size=(33), activation='relu')(input_layer)
    conv2d_layer = Conv2D(64, (33), activation='relu')(conv2d_layer)
    pool_layer = MaxPooling2D(pool_size=(22))(conv2d_layer)
    pool_layer = Dropout(0.25)(pool_layer)
    flatten_layer = Flatten()(pool_layer)
    hidden_layer = Dense(128, activation='relu')(flatten_layer)
    hidden_layer = Dropout(0.5)(hidden_layer)

    output_layer = Dense(units=1, activation="sigmoid", name="output_layer")(hidden_layer)
    model = Model(input_layer, output_layer)
    model.compile(optimizer="adam", loss="binary_crossentropy", metrics=["accuracy"])
    history = model.fit(x_train, y_train, validation_data=(x_test, y_test), batch_size=batch_size, epochs=epochs, verbose=2)
    return model, history

年龄预测:

# train4age.py
def train_CNN(x_train, y_train, x_test, y_test):
    input_layer = Input(shape=(20201), name="input_layer")

    conv2d_layer = Conv2D(32, kernel_size=(33), activation='relu')(input_layer)
    conv2d_layer = Conv2D(64, (33), activation='relu')(conv2d_layer)
    pool_layer = MaxPooling2D(pool_size=(22))(conv2d_layer)
    pool_layer = Dropout(0.25)(pool_layer)
    flatten_layer = Flatten()(pool_layer)
    hidden_layer = Dense(128, activation='relu')(flatten_layer)
    hidden_layer = Dropout(0.5)(hidden_layer)

    output_layer = Dense(units=1, activation="relu", name="output_layer")(hidden_layer)
    model = Model(input_layer, output_layer)
    model.compile(optimizer="adam", loss="mae")
    history = model.fit(x_train, y_train, validation_data=(x_test, y_test), batch_size=batch_size, epochs=epochs, verbose=2)
    return model, history

模型效果

模型效果并不好,一是模型构建的简陋,二是数据量不大。模型方面有很多CNN模型如:AlexNet、VGG、Inception、ResNet等都可以进一步了解。

个人推荐这篇文章:https://medium.com/%E9%9B%9E%E9%9B%9E%E8%88%87%E5%85%94%E5%85%94%E7%9A%84%E5%B7%A5%E7%A8%8B%E4%B8%96%E7%95%8C/%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92-ml-note-cnn%E6%BC%94%E5%8C%96%E5%8F%B2-alexnet-vgg-inception-resnet-keras-coding-668f74879306

这是一次训练过程的记录

train4gender_history.png

train4gender_history.png
train4gender_history.png

train4age_history.png

train4age_history.png
train4age_history.png

能够实时对摄像头拍摄的图像处理并展示。
下面是一张不敢恭维的效果图,结果有点惨不忍睹……(组合的四张图片挑选自imdb-wiki数据集)

完整代码

https://github.com/nice-future/predict-gender-and-age-from-camera

留下评论

您的电子邮箱地址不会被公开。 必填项已用 * 标注