人脸识别系统代码--预测性别

本文主要是介绍人脸识别系统代码--预测性别，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1.导入包

cv2是OpenCV库，numpy用于数值计算，tkinter是Python的标准GUI库，subprocess用于运行其他Python脚本，face_recognition用于人脸识别，PIL（Pillow）用于处理图像

import cv2
import numpy as np
import tkinter as tk
import subprocess
from tkinter import filedialog, Label, Button
import face_recognition
from PIL import Image, ImageTk

2.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')

3.定义性别标签列表

gender_list = ['Male', 'Female']
age_list = ['(0-2)', '(4-6)', '(8-12)', '(15-20)', '(25-32)', '(38-43)', '(48-53)', '(60-100)']

4.设置窗口

root = tk.Tk()
root.title("预测性别")
root.geometry("750x600")

5.设置背景

用filedialog模块打开文件选择对话框，并读取用户选择的图片。

image = Image.open("16.gif")
image = image.resize((750, 600))  # 调整背景图片大小
photo1 = ImageTk.PhotoImage(image)
# 创建Label并将背景图片设置为背景
canvas = tk.Label(root, image=photo1)
canvas.pack()

6.定义函数select_image

创建一个按钮，用于触发select_image函数。

def select_image():file_path = filedialog.askopenfilename()if file_path:img = cv2.imread(file_path)if img is not None:display_image(file_path)

7.定义函数display_image

定义显示图片的函数display_image，它将读取的图片显示在窗口中。

def display_image(file_path):# 确保 img 变量已经定义global imgimg = cv2.imread(file_path)if img is not None:# 调整图像大小到相等的大小img = cv2.resize(img, (300, 300))  # 假设您想要将图像调整到 227x227 的大小# 将 OpenCV 图像转换为 PIL 图像pil_image = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))# 在这里调整图像到固定大小pil_image = pil_image.resize((300, 400))  # 调整图像到300x400像素# 将 PIL 图像转换为 tkinter 支持的格式image_tk = ImageTk.PhotoImage(pil_image)# 在 root 窗口中创建一个标签来显示图像label = tk.Label(root, image=image_tk)label.image = image_tk  # 保持引用，否则图像在重新绘制时会丢失label.place(x=30, y=100)

8.定义函数predict_gender

创建预测性别的函数predict_gender，它使用OpenCV的人脸检测模型检测人脸，并使用性别识别模型预测性别。

def predict_gender():# 确保 img 变量已经定义global imgif img is not None:# 转换为灰度图像gray = cv2.cvtColor(img, 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 = img[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()]# 在人脸周围画框并显示性别cv2.rectangle(img, (x, y), (x + w, y + h), (255, 255, 0), 2)cv2.putText(img, f'{gender}', (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2, cv2.LINE_AA)# 将 OpenCV 图像转换为 PIL 图像pil_image = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))# 在这里调整图像到固定大小pil_image = pil_image.resize((300, 400))  # 调整图像到300x400像素# 将 PIL 图像转换为 tkinter 支持的格式image_tk = ImageTk.PhotoImage(pil_image)# 在 root 窗口中创建一个标签来显示图像label = tk.Label(root, image=image_tk)label.image = image_tk  # 保持引用，否则图像在重新绘制时会丢失label.place(x=360, y=100)# 将 OpenCV 图像转换为 PIL 图像pil_image = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))# 在这里调整图像到固定大小pil_image = pil_image.resize((300, 400))  # 调整图像到300x400像素# 将 PIL 图像转换为 tkinter 支持的格式image_tk = ImageTk.PhotoImage(pil_image)

9.定义函数close

def close():subprocess.Popen(["python","属性判断.py"])root.destroy()

10.定义按钮

# 创建一个按钮，用于打开文件选择对话框
image = Image.open("A.gif")  # 加载一张图片
photo2 = ImageTk.PhotoImage(image)
open_image_btn = tk.Button(root, image=photo2, width=198, height=31,command=select_image)
open_image_btn.place(x=30,y=30)# 创建预测性别的按钮
image = Image.open("F16.gif")  # 加载一张图片
photo3 = ImageTk.PhotoImage(image)
predict_gender_btn = tk.Button(root, image=photo3, command=predict_gender)
predict_gender_btn.place(x=275,y=30)image = Image.open("B.gif")  # 加载一张图片
photo4 = ImageTk.PhotoImage(image)
bt3 = tk.Button(image=photo4, width=198, height=32,command=close)
bt3.place(x=520, y=30)