c++實(shí)現(xiàn)人臉刊殉、性別及年齡檢測

tuple<Mat, vector<vector<int>>> getFaceBox(Net net, Mat& frame, double conf_threshold)
{
    Mat frameOpenCVDNN = frame.clone();
    int frameHeight = frameOpenCVDNN.rows;
    int frameWidth = frameOpenCVDNN.cols;
    double inScaleFactor = 1.0;
    Size size = Size(300, 300);
    // std::vector<int> meanVal = {104, 117, 123};
    Scalar meanVal = Scalar(104, 117, 123);

    cv::Mat inputBlob;
    inputBlob = cv::dnn::blobFromImage(frameOpenCVDNN, inScaleFactor, size, meanVal, true, false);

    net.setInput(inputBlob, "data");
    cv::Mat detection = net.forward("detection_out");

    cv::Mat detectionMat(detection.size[2], detection.size[3], CV_32F, detection.ptr<float>());

    vector<vector<int>> bboxes;

    for (int i = 0; i < detectionMat.rows; i++) {
        float confidence = detectionMat.at<float>(i, 2);

        if (confidence > conf_threshold) {
            int x1 = static_cast<int>(detectionMat.at<float>(i, 3) * frameWidth);
            int y1 = static_cast<int>(detectionMat.at<float>(i, 4) * frameHeight);
            int x2 = static_cast<int>(detectionMat.at<float>(i, 5) * frameWidth);
            int y2 = static_cast<int>(detectionMat.at<float>(i, 6) * frameHeight);
            vector<int> box = { x1, y1, x2, y2 };
            bboxes.push_back(box);
            cv::rectangle(frameOpenCVDNN, cv::Point(x1, y1), cv::Point(x2, y2), cv::Scalar(0, 0, 255));
        }
    }

    return make_tuple(frameOpenCVDNN, bboxes);
}

int main()
{
    clock_t startTime, endTime;
    
    cv::Mat frame;
    int padding = 20;
    Scalar MODEL_MEAN_VALUES = Scalar(78.4263377603, 87.7689143744, 114.895847746);
    vector<string> ageList = { "(0-2)","(4-6)","(8-12)","(15-20)","(25-32)","(38-43)","(48-53)","(60-100)" };
    vector<string> genderList = { "Male","Female" };

    std::string netRootPath = "D://";
    std::string imagepath = "D://sunsuyuan//project//data//doublefusion//results//FittingSmpl//color.png";
    //frame = cv::imread(netRootPath + "sample3.jpg", 1);
    frame = cv::imread(netRootPath+"3.png", 1);
   // frame = cv::imread(imagepath, 1);
    cv::cvtColor(frame, frame, CV_BGRA2BGR);
    if (frame.empty()) {
        fprintf(stderr, "cv::imread %s failed\n", netRootPath + "sample3.jpg");
        return -1;
    }

    // Load Network
    
    Net ageNet = readNet(netRootPath+"age_net.caffemodel", netRootPath+"age_deploy.prototxt");
    Net genderNet = readNet(netRootPath+"gender_net.caffemodel", netRootPath+"gender_deploy.prototxt");
    Net faceNet = readNet(netRootPath+"opencv_face_detector_uint8.pb", netRootPath+"opencv_face_detector.pbtxt");

    vector<vector<int>> bboxes;
    Mat frameFace;
    tie(frameFace, bboxes) = getFaceBox(faceNet, frame, 0.7);

    if (bboxes.size() == 0) {
        cout << "No face detected, checking next frame." << endl;
    }
    else {
        startTime = clock();
        for (auto it = begin(bboxes); it != end(bboxes); ++it) {
            Rect rec(it->at(0) - padding, it->at(1) - padding, it->at(2) - it->at(0) + 2 * padding, it->at(3) - it->at(1) + 2 * padding);
            Mat face = frame(rec); // take the ROI of box on the frame

            Mat blob = blobFromImage(face, 1, Size(227, 227), MODEL_MEAN_VALUES, false);

            genderNet.setInput(blob);
            vector<float> genderPreds = genderNet.forward();
            // find max element index (distance function does the argmax() work in C++)
            int max_index_gender = std::distance(genderPreds.begin(), max_element(genderPreds.begin(), genderPreds.end()));
            string gender = genderList[max_index_gender];


            ageNet.setInput(blob);
            vector<float> agePreds = ageNet.forward();
            // finding maximum indicd in the age_preds vector
            int max_indice_age = std::distance(agePreds.begin(), max_element(agePreds.begin(), agePreds.end()));
            string age = ageList[max_indice_age];

            cout << "Gender: " << gender << "  Age: " << age << endl;

            string label = gender + ", " + age; // label
            cv::putText(frameFace, label, Point(it->at(0), it->at(1) - 15), cv::FONT_HERSHEY_SIMPLEX, 0.7, Scalar(0, 255, 255));
        }
        endTime = clock();//計(jì)時(shí)結(jié)束
        std::cout << "The run time is: " << (double)1000*(endTime - startTime) / CLOCKS_PER_SEC << "ms" <<std::endl;
        imwrite(netRootPath+"out1.jpg", frameFace);
        //imshow("out",frameFace);
        cv::waitKey(0);
    }
}
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末钻蹬,一起剝皮案震驚了整個(gè)濱河市洁段,隨后出現(xiàn)的幾起案子奸鸯,更是在濱河造成了極大的恐慌免绿,老刑警劉巖凡伊,帶你破解...
    沈念sama閱讀 211,639評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件零渐,死亡現(xiàn)場離奇詭異,居然都是意外死亡窗声,警方通過查閱死者的電腦和手機(jī)相恃,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,277評論 3 385
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來笨觅,“玉大人拦耐,你說我怎么就攤上這事〖#” “怎么了杀糯?”我有些...
    開封第一講書人閱讀 157,221評論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長苍苞。 經(jīng)常有香客問我固翰,道長狼纬,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,474評論 1 283
  • 正文 為了忘掉前任骂际,我火速辦了婚禮疗琉,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘歉铝。我一直安慰自己盈简,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,570評論 6 386
  • 文/花漫 我一把揭開白布太示。 她就那樣靜靜地躺著柠贤,像睡著了一般。 火紅的嫁衣襯著肌膚如雪类缤。 梳的紋絲不亂的頭發(fā)上臼勉,一...
    開封第一講書人閱讀 49,816評論 1 290
  • 那天,我揣著相機(jī)與錄音餐弱,去河邊找鬼宴霸。 笑死,一個(gè)胖子當(dāng)著我的面吹牛岸裙,可吹牛的內(nèi)容都是我干的猖败。 我是一名探鬼主播,決...
    沈念sama閱讀 38,957評論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼降允,長吁一口氣:“原來是場噩夢啊……” “哼恩闻!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起剧董,我...
    開封第一講書人閱讀 37,718評論 0 266
  • 序言:老撾萬榮一對情侶失蹤幢尚,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后翅楼,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體尉剩,經(jīng)...
    沈念sama閱讀 44,176評論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,511評論 2 327
  • 正文 我和宋清朗相戀三年毅臊,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了理茎。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 38,646評論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡管嬉,死狀恐怖皂林,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情蚯撩,我是刑警寧澤础倍,帶...
    沈念sama閱讀 34,322評論 4 330
  • 正文 年R本政府宣布,位于F島的核電站胎挎,受9級(jí)特大地震影響沟启,放射性物質(zhì)發(fā)生泄漏忆家。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,934評論 3 313
  • 文/蒙蒙 一德迹、第九天 我趴在偏房一處隱蔽的房頂上張望芽卿。 院中可真熱鬧,春花似錦浦辨、人聲如沸蹬竖。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,755評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至列另,卻和暖如春芽腾,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背页衙。 一陣腳步聲響...
    開封第一講書人閱讀 31,987評論 1 266
  • 我被黑心中介騙來泰國打工摊滔, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人店乐。 一個(gè)月前我還...
    沈念sama閱讀 46,358評論 2 360
  • 正文 我出身青樓艰躺,卻偏偏與公主長得像,于是被迫代替她去往敵國和親眨八。 傳聞我的和親對象是個(gè)殘疾皇子腺兴,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,514評論 2 348

推薦閱讀更多精彩內(nèi)容