最近弄乙個情緒識別與性別識別的東東。
opencv + keras
opencv用於人臉檢測
keras用於訓練出識別模型
資料集用於kaggle的（fer2013）
cnn進行訓練。
**如下：
import cv2
import sys
import json
import time
import numpy as np
from keras.models import model_from_json
from keras.models import load_model
gender_labels =
#cascpath = sys.argv[1]
facecascade = cv2.cascadeclassifier("haarcascade_frontalface_default.xml")
# load json and create model arch
json_file = open('model.json','r')
loaded_model_json = json_file.read()
json_file.close()
model = model_from_json(loaded_model_json)
gender_classifier = load_model('model/gender/******_cnn.81-0.96.hdf5')
# load weights into new model
model.load_weights('model.h5')
defoverlay_memeface
(probs):
emotion = emotion_labels[np.argmax(probs)]
return emotion
defpredict_emotion
(face_image_gray):
# a single cropped face
resized_img = cv2.resize(face_image_gray, (48,48), interpolation = cv2.inter_area)
# cv2.imwrite(str(index)+'.png', resized_img)
image = resized_img.reshape(1, 1, 48, 48)
list_of_list = model.predict(image, batch_size=1, verbose=1)
defpredict_gender
(face_image_gray):
resized_img = cv2.resize(face_image_gray, (48,48), interpolation = cv2.inter_area)
# cv2.imwrite(str(index)+'.png', resized_img)
image = resized_img.reshape(1, 48, 48, 3)
gender_label_arg = np.argmax(gender_classifier.predict(image))
gender = gender_labels[gender_label_arg]
return gender
video_capture = cv2.videocapture(0)
while
true:
# capture frame-by-frame
ret, frame = video_capture.read()
img_gray = cv2.cvtcolor(frame, cv2.color_bgr2gray,1)
#img = cv2.cvtcolor(frame, cv2.color_bgr2gray)
faces = facecascade.detectmultiscale(
img_gray,
scalefactor=1.1,
minneighbors=5,
minsize=(30, 30),
#flags=cv2.cv.cv_haar_scale_image
)emotions =
# draw a rectangle around the faces
for (x, y, w, h) in faces:
face_image_gray = img_gray[y:y+h, x:x+w]
face_image = frame[y:y+h, x:x+w]
print(face_image_gray.shape)
#face = np.expand_dims(face_image_gray, 0)
#face = face / 255.0
#gender_label_arg = np.argmax(gender_classifier.predict(face))
# gender = gender_labels[gender_label_arg]
gender = predict_gender(face_image)
emotion = overlay_memeface(predict_emotion(face_image_gray))
print(predict_emotion(face_image_gray))
print(emotion)
cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
#with open('emotion.txt', 'a') as f:
cv2.puttext(frame, gender, (x, y - 30), cv2.font_hershey_******x, .7, (0, 255, 0), 1, cv2.line_aa)
cv2.puttext(frame, emotion, (x + 90, y - 30), cv2.font_hershey_******x, .7, (255, 0, 0), 1, cv2.line_aa)
# display the resulting frame
cv2.imshow('video', frame)
if cv2.waitkey(1) & 0xff == ord('q'):
break
# when everything is done, release the capture
video_capture.release()
cv2.destroyallwindows()
長得醜請別噴，，，，，，
QT Opencv實現人臉檢測與性別識別 3
seetaface開源人臉檢測框架實現人臉檢測，opencv dnn模組實現性別分類，qt做顯示介面，完成乙個課程設計。依賴庫 opencv3.1 包含dnn模組，qt5 過了好長時間，我又回來了 打算把程式打包一下發出來，我自己都有點忘記這個專案怎麼完成的了，也可能很亂。整體而言，完成專案可以分為...
實時人臉識別
我們將逐步學習如何使用picam實時識別人臉 這個專案是由這個出色的 開源計算機視覺庫 opencv完成的。在本教程中，我們將重點介紹raspberry pi 因此，raspbian為os 和python，但是我也在my mac上測試了 並且效果也不錯。opencv旨在提高計算效率，並且非常注重實時...
人臉性別識別文獻閱讀筆記（3）
21 基於人臉影象的性別識別方法研究 中文，期刊，2012年，知網 無22 人臉的性別分類 中文，期刊，2003年，知網 對傳統的pca fisher adaboost svm進行組合實驗，用於解決人臉性別識別問題。23 基於級聯支援向量機的人臉影象性別識別 中文，期刊，2012年，知網 對提出支援...