JavaCV的攝像頭實戰之十三：年齡檢測

歡迎訪問我的GitHub

這里分類和匯總了欣宸的全部原創(含配套原始碼)：https://github.com/zq2599/blog_demos

本篇概覽

• 本文是《JavaCV的攝像頭實戰》系列的第十三篇，前文《JavaCV的攝像頭實戰之十二：性別檢測》中，借助訓練好的卷積神經網路模型開發出了識別性別的應用，今天在前文基礎上做少量改動，實作年齡識別的功能，效果如下圖：
  

• 應用主要功能如下圖所示：
  

• 如果您看過《JavaCV的攝像頭實戰》系列的其他文章，就會發現上圖中只有藍色部分是新增內容，其余的步驟都是固定套路，《JavaCV的攝像頭實戰》系列的每一個應用玩的都是相同套路：別看步驟挺多，其實都是同一個流程

關于性別和年齡檢測

• 使用卷積神經網路推理性別和年齡的更多技術細節，這里有更詳細的說明：
  https://talhassner.github.io/home/publication/2015_CVPR
• 本篇會使用已訓練好的Caffe 模型，訓練該模型的資料來自Flickr相冊，通過從 iPhone5（或更高版本）智能手機設備自動上傳組裝而成，并由其作者根據知識共享 (CC) 許可向公眾發布，共有26580張照片，涉及2284人，這些人的年齡一共被標識成八組：（0-2、4-6、8-13、15-20、25-32、38-43、48-53、60 -)
• 關于資料源的更多詳細，請參考：https://talhassner.github.io/home/projects/Adience/Adience-data.html
• 論文地址：https://talhassner.github.io/home/projects/cnn_agegender/CVPR2015_CNN_AgeGenderEstimation.pdf

原始碼下載

• 《JavaCV人臉識別三部曲》的完整原始碼可在GitHub下載到，地址和鏈接資訊如下表所示(https://github.com/zq2599/blog_demos)：

• 這個git專案中有多個檔案夾，本篇的原始碼在javacv-tutorials檔案夾下，如下圖紅框所示：
  
• javacv-tutorials里面有多個子工程，《JavaCV的攝像頭實戰》系列的代碼在simple-grab-push工程下：
  

準備：檔案下載

• 本次實戰需要三個檔案：

1. 人臉檢測的模型檔案：https://raw.github.com/opencv/opencv/master/data/haarcascades/haarcascade_frontalface_alt.xml
2. 年齡識別的組態檔：https://raw.githubusercontent.com/GilLevi/AgeGenderDeepLearning/master/age_net_definitions/deploy.prototxt
3. 年齡識別的模型檔案：https://raw.githubusercontent.com/GilLevi/AgeGenderDeepLearning/master/models/age_net.caffemodel

• 我已將上述檔案打包上傳到CSDN，您也可以在CSDN下載（無需積分）：
  https://download.csdn.net/download/boling_cavalry/70730586

準備：代碼介面簡介

• 編碼前，先把涉及到的所有java檔案說明一下：

1. AbstractCameraApplication.java：主程式的抽象類，這里面定義了打開攝像頭、抓取每一幀、處理每一幀的基本框架，避免每個應用都把這些事情重復做一遍
2. PreviewCameraWithGenderAge.java：主程式，是AbstractCameraApplication的實作類，本次實戰的核心功能人臉檢測和年齡檢測，都委托給它的成員變數detectService去完成
3. DetectService.java：檢測服務的介面，里面定義了幾個重要的api，例如初始化、處理每一幀、釋放資源等
4. AgeDetectService.java：前文GenderDetectService的子類，僅僅是處理推理結果的邏輯與前文的性別識別略有不同，其余功能完全繼承自性別識別

• 以上代碼，咱們已經在前文寫過一次了，今天當然不需要重復再做一次，今天是在上述代碼基礎上做兩處小幅度修改，接下來就開始吧

改動一：主程式（PreviewCameraWithGenderAge.java）

• 卷積神經網路所需的配置和模型檔案，是在主程式的main方法內設定的，上一章是性別檢測，這里替換為年齡檢測的檔案，如下所示，請您將路徑換為自己電腦上的檔案路徑：

    public static void main(String[] args) {
        String base = "E:\\temp\\202112\\25\\opencv\\";
        
        DetectService detectService = new AgeDetectService(
                base + "haarcascade_frontalface_alt.xml",
                base + "age\\deploy.prototxt",
                base + "age\\age_net.caffemodel");

        new PreviewCameraWithGenderAge(detectService).action(1000);
    }

改動二：檢測服務實作（GenderDetectService的子類）

• 前文《性別檢測》的核心功能都集中在GenderDetectService.java中，今天要做的年齡檢測，除了推理結果的處理邏輯略有不同，其余功能與《性別檢測》完全一致
• 所以，實作年齡檢測的最簡單方法就是寫一個子類繼承GenderDetectService，這個子類中只有神經網路推理結果的處理邏輯，完整代碼如下，注釋中已經有了詳細說明，就不多贅述了：

package com.bolingcavalry.grabpush.extend;

import lombok.extern.slf4j.Slf4j;
import org.bytedeco.javacpp.DoublePointer;
import org.bytedeco.opencv.opencv_core.Mat;
import org.bytedeco.opencv.opencv_core.Point;

import static org.bytedeco.opencv.global.opencv_core.minMaxLoc;

/**
 * @author willzhao
 * @version 1.0
 * @description 檢測年齡的服務
 * @date 2021/12/3 8:09
 */
@Slf4j
public class AgeDetectService extends GenderDetectService {

    /**
     * 設定訓練模型時劃分的年齡段，所以推理結果也是這樣的年齡段
     */
    private static final String[] AGES = new String[]{"0-2", "4-6", "8-13", "15-20", "25-32", "38-43", "48-53", "60-"};

    /**
     * 構造方法，在此指定proto和模型檔案的下載地址
     *
     * @param classifierModelFilePath
     * @param cnnProtoFilePath
     * @param cnnModelFilePath
     */
    public AgeDetectService(String classifierModelFilePath, String cnnProtoFilePath, String cnnModelFilePath) {
        super(classifierModelFilePath, cnnProtoFilePath, cnnModelFilePath);
    }

    @Override
    protected String getDescriptionFromPredictResult(Mat prob) {
        DoublePointer pointer = new DoublePointer(new double[1]);
        Point max = new Point();
        
        // 把prob理解為一個陣列，
        // 第一個元素是"0-2"的置信度
        // 第二個元素是"4-6"的置信度
        // 第三個元素是"8-13"的置信度
        // 第四個元素是"15-20"的置信度
        // ...
        // 第八個元素是"60-"的置信度
        // minMaxLoc方法幫忙我們找出了置信度最高的元素，max是元素位置，pointer是這個元素的置信度
        minMaxLoc(prob, null, pointer, null, max, null);

        // 如果置信度太低，那就是"難以置信"，就回傳空字串
        if (pointer.get()<0.6d) {
            return "";
        } else {
            // 如果置信度可信，就回傳該元素對應的年齡范圍
            return AGES[max.x()];
        }
    }
}

• 至此，編碼完成，按套路出牌讓咱們省下不少時間，接下來開始驗證

驗證

• 確保攝像頭作業正常，運行PreviewCameraWithGenderAge類的main方法（再次提醒，main方法中檔案的位置，注意是年齡檢測的模型檔案，不是性別檢測的）
• 天氣很冷，為了領到免費盒飯，群眾演員早就等得不耐煩了，讓他站在攝像頭前，如下圖，年齡識別成功，且實時展示：
  
• 至此，本地視窗預覽集成人臉檢測和年齡檢測的功能就完成了，得益于JavaCV的強大，整個程序是如此的輕松愉快，接下來請繼續關注欣宸原創，《JavaCV的攝像頭實戰》系列還會呈現更多豐富的應用；

關于性別+年齡識別

• 如果您關注過網上關于性別和年齡識別相關的技術文章，您會發現通常這些文章會將兩種識別集成在一起講，并且代碼的效果也是繼承了兩種識別的，如下圖：
  
• 也行您會有疑問：欣宸為何不把兩種識別放在一篇文章和一個demo中，這樣內容更完整demo也更強大？
• 之所以分文兩篇，是因為年齡和性別識別的套路比較接近，如果在一篇文中講完，無非是多寫幾行代碼多打幾行字，不會對技術帶來提升，那還不如每篇只聚焦一個功能，把初始化、使用、資源釋放等技術點說清楚，至于單獨用還是組合用，留給聰明的讀者按自己的需求去自由組合即可

歡迎關注博客園：程式員欣宸

學習路上，你不孤單，欣宸原創一路相伴...

標籤：其他

上一篇：提升性能的利器：深入決議SectionReader

下一篇：返回列表