使用keras實(shí)現(xiàn)性別識(shí)別，模型數(shù)據(jù)使用的是oarriaga/face_classification的模型

實(shí)現(xiàn)效果

準(zhǔn)備工作

在開(kāi)始之前先要安裝keras和tensorflow

安裝keras使用命令：pip3 install keras

安裝tensorflow使用命令：pip3 install tensorflow

編碼部分

們使用OpenCV先識(shí)別到人臉，然后在通過(guò)keras識(shí)別性別，具體代碼如下

#coding=utf-8#性別識(shí)別import cv2from keras.models import load_modelimport numpy as npimport ChineseTextimg = cv2.imread('img/gather.png')face_classifier = cv2.CascadeClassifier( 'C:Python36Libsite-packagesopencv-masterdatahaarcascadeshaarcascade_frontalface_default.xml')gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)faces = face_classifier.detectMultiScale( gray, scaleFactor=1.2, minNeighbors=3, minSize=(140, 140))gender_classifier = load_model( 'classifier/gender_models/simple_CNN.81-0.96.hdf5')gender_labels = {0: ’女’, 1: ’男’}color = (255, 255, 255)for (x, y, w, h) in faces: face = img[(y - 60):(y + h + 60), (x - 30):(x + w + 30)] face = cv2.resize(face, (48, 48)) face = np.expand_dims(face, 0) face = face / 255.0 gender_label_arg = np.argmax(gender_classifier.predict(face)) gender = gender_labels[gender_label_arg] cv2.rectangle(img, (x, y), (x + h, y + w), color, 2) img = ChineseText.cv2ImgAddText(img, gender, x + h, y, color, 30)cv2.imshow('Image', img)cv2.waitKey(0)cv2.destroyAllWindows()

以上就是python 實(shí)現(xiàn)性別識(shí)別的詳細(xì)內(nèi)容，更多關(guān)于python 性別識(shí)別的資料請(qǐng)關(guān)注好吧啦網(wǎng)其它相關(guān)文章！