导入必要的库

cv2：OpenCV库，用于图像处理和摄像头操作。
numpy：用于数值计算。

python">import cv2
import numpy as np

加载预训练的人脸检测模型

使用cv2.CascadeClassifier加载Haar级联分类器，用于检测图像中的人脸。

python">face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

加载预训练的性别和年龄识别模型

使用cv2.dnn.readNetFromCaffe加载Caffe模型，用于预测人脸的性别和年龄。

python">gender_net = cv2.dnn.readNetFromCaffe('deploy_gender.prototxt', 'gender_net.caffemodel')
age_net = cv2.dnn.readNetFromCaffe('deploy_age.prototxt', 'age_net.caffemodel')

定义性别和年龄的标签列表

创建两个列表，分别用于存储性别和年龄的标签。

python">gender_list = ['man', 'woman']
age_list = ['(0-10)', '(10-15)', '(15-20)', '(20-30)', '(45-55)', '(55-65)', '(65-80)', '(80-100)']

打开摄像头

使用cv2.VideoCapture(0)打开默认的摄像头。

python">cap = cv2.VideoCapture(0)

从摄像头读取一帧

使用cap.read()从摄像头捕获一帧视频。

python">while True:# 从摄像头读取一帧ret, frame = cap.read()if not ret:print("无法捕获视频流，请检查摄像头是否正常工作。")break

转换为灰度图像

使用cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)将捕获的帧从BGR格式转换为灰度格式。

python">gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

检测人脸

使用face_cascade.detectMultiScale(gray, 1.1, 4)在灰度图像中检测人脸。

python">faces = face_cascade.detectMultiScale(gray, 1.1, 4)

遍历检测到的人脸

对于检测到的人脸，执行以下操作：
裁剪出人脸区域。
将裁剪出的人脸区域转换为Caffe模型所需的格式。
使用Caffe模型预测性别和年龄。
在原图上画出人脸框，并在框内显示性别和年龄。

python">for (x, y, w, h) in faces:# 从原始图像中裁剪人脸区域face_img = frame[y:y + h, x:x + w].copy()# 预处理人脸图像以适应神经网络输入blob = cv2.dnn.blobFromImage(face_img, 1, (227, 227), (78.4263377603, 87.7689143744, 114.895847746), swapRB=False)# 预测性别gender_net.setInput(blob)gender_preds = gender_net.forward()gender = gender_list[gender_preds[0].argmax()]# 预测年龄age_net.setInput(blob)age_preds = age_net.forward()age = age_list[age_preds[0].argmax()]# 在人脸周围画框并显示性别和年龄cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 255, 0), 2)cv2.putText(frame, f'{gender}, {age}', (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2, cv2.LINE_AA)

显示视频流

使用cv2.imshow(‘Gender and Age Recognition’, frame)在窗口中显示视频流。

python">cv2.imshow('Gender and Age Recognition', frame)

按 ‘q’ 或点击窗口的“×”退出循环

使用cv2.waitKey(1)等待用户按键。
如果用户按了’q’键或者关闭了窗口，则退出循环。

python">if cv2.waitKey(1) == 27 or cv2.getWindowProperty('Gender and Age Recognition', cv2.WND_PROP_VISIBLE) < 1:break

释放摄像头和销毁所有窗口

使用cap.release()释放摄像头。
使用cv2.destroyAllWindows()销毁所有OpenCV创建的窗口。

python">cap.release()
cv2.destroyAllWindows()

全部代码

python">import cv2
import numpy as np# 加载预训练的人脸检测模型
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')# 加载预训练的性别和年龄识别模型
gender_net = cv2.dnn.readNetFromCaffe('deploy_gender.prototxt', 'gender_net.caffemodel')
age_net = cv2.dnn.readNetFromCaffe('deploy_age.prototxt', 'age_net.caffemodel')# 定义性别和年龄的标签列表
gender_list = ['man', 'woman']
age_list = ['(0-10)', '(10-15)', '(15-20)', '(20-30)', '(45-55)', '(55-65)', '(65-80)', '(80-100)']# 打开摄像头
cap = cv2.VideoCapture(0)while True:# 从摄像头读取一帧ret, frame = cap.read()if not ret:print("无法捕获视频流，请检查摄像头是否正常工作。")break# 转换为灰度图像gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)# 检测人脸faces = face_cascade.detectMultiScale(gray, 1.1, 4)# 遍历检测到的人脸for (x, y, w, h) in faces:# 从原始图像中裁剪人脸区域face_img = frame[y:y + h, x:x + w].copy()# 预处理人脸图像以适应神经网络输入blob = cv2.dnn.blobFromImage(face_img, 1, (227, 227), (78.4263377603, 87.7689143744, 114.895847746), swapRB=False)# 预测性别gender_net.setInput(blob)gender_preds = gender_net.forward()gender = gender_list[gender_preds[0].argmax()]# 预测年龄age_net.setInput(blob)age_preds = age_net.forward()age = age_list[age_preds[0].argmax()]# 在人脸周围画框并显示性别和年龄cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 255, 0), 2)cv2.putText(frame, f'{gender}, {age}', (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2, cv2.LINE_AA)# 显示视频流cv2.imshow('Gender and Age Recognition', frame)# 按 'q' 或点击窗口的“×”退出循环if cv2.waitKey(1) == 27 or cv2.getWindowProperty('Gender and Age Recognition', cv2.WND_PROP_VISIBLE) < 1:break# 释放摄像头和销毁所有窗口
cap.release()
cv2.destroyAllWindows()