往期的文章我们分享了人脸的识别以及如何进行人脸年龄的检测，本期文章我们结合人脸识别的
模型进行人脸年龄的实时检测
人脸年龄的检测步骤
0、打开摄像头，获取图片数据
1、对图片进行人脸的检测
2、把检测到的人脸数据给年龄检测模型去检测
3、把检测结果实时呈现到图片上
import numpy as np import cv2 import os AGE_LIST = [&34;, &34;, &34;, &34;, &34;, &34;, &34;, &34;] prototxtFacePath = &34; weightsFacePath = &34; faceNet = cv2.dnn.readNet(prototxtFacePath, weightsFacePath) prototxtAgePath = &34; weightsAgePath = &34; ageNet = cv2.dnn.readNet(prototxtAgePath, weightsAgePath)初始化模型年龄段，由于模型是按照年龄段来进行训练的，当然你也可以使用大量的数据，进行更准确的年龄模型训练
然后cv2.dnn.readNet加载人脸识别的模型,可参考往期文章
顺便在这里介绍一下由人工智能研究所出品的专栏，人工智能目标检测与目标追踪
有兴趣的小伙伴们可以一起探讨学习
最后cv2.dnn.readNet加载人脸年龄的模型
与图片识别不一样的是，若需要实时识别，需要打开摄像头，进行图片的实时显示与识别
capture = cv2.VideoCapture() time.sleep(2.0)capture = cv2.VideoCapture() 这行代码便打开电脑配置的默认摄像头，当打开后，稍微延时，等待摄像头的打开，摄像头打开后，便可以获取视频帧的图片
while True: ret, frame = capture.read() frame = cv2.resize(frame, (400*600)) results = predict_age(frame, faceNet, ageNet) 34;{}: {:.2f}%&34;age&34;age&34;loc&34;Frame&34;q&获取图片尺寸 blob = cv2.dnn.blobFromImage(frame, 1.0, (300, 300),(104.0, 177.0, 123.0))人脸检测 detections = faceNet.forward() for i in range(0, detections.shape[2]):判断大于0.5置信度的人脸 box = detections[0, 0, i, 3:7] * np.array([w, h, w, h]) (startX, startY, endX, endY) = box.astype(&34;) face = frame[startY:endY, startX:endX]小的人脸忽略 faceBlob = cv2.dnn.blobFromImage(face, 1.0, (227, 227),(78.4263377603, 87.7689143744, 114.895847746),swapRB=False) ageNet.setInput(faceBlob) preds = ageNet.forward()34;loc&34;age&获取人脸的坐标数据，以及人脸的年龄数据 return results文章中提供的模型，年龄检测是一个阶段的检测，若想得到更精确的年龄检测，需要大量的数据进行计算训练，当然，小伙伴们也可以使用人工智能研究所出品的：
小程序：AI人工智能工具
来进行人脸更多属性的检测
法格/fagor半导体MINI空调扇
1、TEC半导体制冷技术，即开即凉，出风口温度控制在±25°C，降温可达7-±9°C，复合净化室内空气；
2、人性化设置，25°C是人体、思维同时处于舒适状态；
3、纳米级微雾加湿，冰凉不干燥，
4、三种风感，风量张弛有度；
5、噪音低至≤60dB，安睡自如；
6、重量仅1.2kg，任意搬动，租房党非常适合~
7、空气滤芯，吸附空气中的杂质；
8、三档模式：制冷、加湿、干燥；
9、低功耗，省电，夏天制冷不心疼
人脸检测
关于人脸性别的检测，我们下期分享！
本站所发布的文字与图片素材为非商业目的改编或整理，版权归原作者所有，如侵权或涉及违法，请联系我们删除
热门信息
阅读 ()
1 注册微信号怎么注册第二个阅读 ()
2 怎么把照片变成卡通头像阅读 ()
3 手机越充越少电怎么解决