pjj19854头像
关注

OpenCV-年龄检测2中文显示与主循环

一、承上启下

上篇完成了模型加载和 getBoxes 函数，本篇贴出年龄检测.py 剩下的完整代码：cv2AddChineseText 函数和 main 主循环，一字未删，并逐段讲解。

二、完整代码（下）：中文显示函数和主循环

python

def cv2AddChineseText(img, text, position, textColor=(0, 255, 0), textSize=30):
    if isinstance(img, np.ndarray):
        img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))

    draw = ImageDraw.Draw(img)
    try:
        fontStyle = ImageFont.truetype(
            r"C:\Windows\Fonts\simsun.ttc", textSize, encoding="utf-8"
        )
    except OSError:
        try:
            fontStyle = ImageFont.truetype(
                r"C:\Windows\Fonts\msyh.ttc", textSize, encoding="utf-8"
            )
        except OSError:
            fontStyle = ImageFont.load_default()

    draw.text(position, text, textColor, font=fontStyle)
    return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)


def main():
    cap = cv2.VideoCapture(0)
    if not cap.isOpened():
        print("无法打开摄像头")
        return

    while True:
        ret, frame = cap.read()
        if not ret:
            break

        frame = cv2.flip(frame, 1)
        frame, faceBoxes = getBoxes(faceNet, frame)

        for faceBox in faceBoxes:
            x1, y1, x2, y2 = faceBox
            face = frame[y1:y2, x1:x2]
            if face.size == 0:
                continue

            blob = cv2.dnn.blobFromImage(face, 1.0, (227, 227), MODEL_MEAN_VALUES, swapRB=False)

            genderNet.setInput(blob)
            gender = genderList[genderNet.forward()[0].argmax()]

            ageNet.setInput(blob)
            age = ageList[ageNet.forward()[0].argmax()]

            result = "{},{}".format(gender, age)
            frame = cv2AddChineseText(frame, result, (x1, max(0, y1 - 30)))

        cv2.imshow("frame", frame)
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break

    cap.release()
    cv2.destroyAllWindows()


if __name__ == "__main__":
    main()

三、cv2AddChineseText：解决中文显示难题

OpenCV 自带的 cv2.putText 只能显示英文，遇到中文会变成问号。解决办法是借用 PIL：先把 OpenCV 图片（BGR 颜色顺序）转成 PIL 图片（RGB），用 ImageDraw 配合中文字体把字画上去，再转回 OpenCV 格式。函数依次尝试宋体 simsun.ttc、微软雅黑 msyh.ttc，都找不到就用默认字体，所以几乎不会报错。这个函数可以直接复制到任何项目里用。

3.1 函数签名

python

def cv2AddChineseText(img, text, position, textColor=(0, 255, 0), textSize=30):
参数含义
imgOpenCV 图像（BGR，np.ndarray）
text要写的中文字符串
position左上角坐标 (x, y)
textColor颜色，RGB 顺序（默认绿色 (0,255,0)）
textSize字号

⚠️ 这个函数内部要经过 PIL，所以 textColor 是 RGB，不是 OpenCV 习惯的 BGR。默认 (0,255,0) 恰好绿红蓝对称，看不出问题；若改成红色，就要注意是 (255,0,0) 而非 (0,0,255)。

3.2 OpenCV → PIL

python

    if isinstance(img, np.ndarray):
        img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))

  • isinstance 判断：如果已经是 PIL Image 就跳过转换（函数兼容两种输入）

  • cvtColor(..., BGR2RGB)：OpenCV 是 BGR，PIL 要 RGB，必须换通道顺序

  • Image.fromarray(...)：把 numpy 数组包成 PIL Image 对象

踩坑点：忘了 BGR2RGB 会让颜色红蓝颠倒，比如蓝框里的字显示成红色。

3.3 创建画笔 + 找字体（三级降级）

python

    draw = ImageDraw.Draw(img)
    try:
        fontStyle = ImageFont.truetype(
            r"C:\Windows\Fonts\simsun.ttc", textSize, encoding="utf-8"
        )
    except OSError:
        try:
            fontStyle = ImageFont.truetype(
                r"C:\Windows\Fonts\msyh.ttc", textSize, encoding="utf-8"
            )
        except OSError:
            fontStyle = ImageFont.load_default()

  • ImageDraw.Draw(img)：得到画笔对象，后面 draw.text 用它写字

  • 三级降级策略：

    1. 宋体 simsun.ttc（Win 都有）

    2. 微软雅黑 msyh.ttc（更现代）

    3. ImageFont.load_default()（最后的兜底，能显示但字体很小、可能不支持中文）

  • r"..." 是原始字符串，避免 \W、\s 被当转义

  • encoding="utf-8" 处理 ttc 里可能的多语言编码

踩坑点：ImageFont.truetype 找不到文件时抛 OSError，不是 FileNotFoundError（后者是它的子类，但这里写 OSError 更宽），层级捕获很稳。

3.4 画字 + PIL → OpenCV

python

    draw.text(position, text, textColor, font=fontStyle)
    return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)

  • draw.text：把字符串画到 PIL 图上

  • np.asarray(img)：PIL Image 转回 numpy 数组

  • cvtColor(..., RGB2BGR)：换回 OpenCV 的 BGR 顺序

  • 返回新的帧给主循环继续用

为什么要转来转去？
OpenCV 的 putText 字库只支持 ASCII；PIL 支持 TrueType 字体，能渲染中文，代价就是每次画字都要转两遍颜色顺序。

性能提示：每帧每张脸都做一次这种转换，摄像头视频还能撑住；但如果你要处理大量文字/高清帧，可能会掉帧。

四、main 主循环逐段讲解（详版）

4.1 打开摄像头

python

def main():
    cap = cv2.VideoCapture(0)
    if not cap.isOpened():
        print("无法打开摄像头")
        return

  • VideoCapture(0)：打开 0 号摄像头（笔记本内置摄像头一般就是 0）

  • 若接了多个摄像头，可以试 1、2

  • isOpened() 为 False 通常因为：摄像头被占用、驱动问题、无摄像头

  • 打不开就 早返回（return），不再进循环

踩坑点：不要写 while True: ret, frame = cap.read() 而不检查 isOpened，否则 cap.read() 会一直返回 (False, None)，frame 是 None 后面全崩。

4.2 读帧 + 镜像

python

    while True:
        ret, frame = cap.read()
        if not ret:
            break

        frame = cv2.flip(frame, 1)

  • ret：布尔，是否成功读到

  • frame：当前帧图像

  • if not ret: break：处理“读不到帧”（摄像头断开等）

  • cv2.flip(frame, 1)：水平翻转（1 表示沿 y 轴翻）

    • 不翻的话：你往右动，画面里的人往左动，像看别人

    • 翻了之后：像照镜子，操作直觉自然

4.3 调用 getBoxes 找人脸

python

        frame, faceBoxes = getBoxes(faceNet, frame)

  • 这就是上篇那个函数，faceNet 是上篇加载好的人脸检测模型

  • 注意必须接两个返回值：frame 和 faceBoxes

  • 返回的 frame 已经画好蓝框（上篇函数里就画了）

主循环数据流：

text

frame (原始镜像)
   │
   ▼ getBoxes
frame (画好蓝框) + faceBoxes ([x1,y1,x2,y2], ...)

4.4 逐张脸判断

python

        for faceBox in faceBoxes:
            x1, y1, x2, y2 = faceBox
            face = frame[y1:y2, x1:x2]
            if face.size == 0:
                continue

  • 切片取脸：frame[y1:y2, x1:x2] 是 numpy 切片，先取行（y），再取列（x）

    • Python 切片是“左闭右开”，y1:y2 取 y1 到 y2-1 行

    • 顺序是 [y, x]，不是 [x, y]，初学者经常写反

  • face.size == 0：防止切到空区域（比如框贴着边缘）

为什么要单独抠脸？
整张画面里背景（墙、衣服、灯）会干扰年龄/性别模型，抠出来只留脸，模型判断更准。

4.5 做 blob（换均值 + 不换通道）

python

            blob = cv2.dnn.blobFromImage(face, 1.0, (227, 227), MODEL_MEAN_VALUES, swapRB=False)

对比上篇人脸检测那行：

参数人脸检测年龄/性别
均值[104, 117, 123]MODEL_MEAN_VALUES = (78.43, 87.77, 114.90)
swapRBTrueFalse

为什么不一样？

  • 每个模型训练时作者自己定的预处理方式，推理时必须“照抄训练时的配置”

  • 人脸检测是 TensorFlow 模型，作者用了 [104,117,123] 均值 + RGB

  • 年龄/性别是 Caffe 模型，作者用了 Caffe 的 ImageNet 均值 + BGR（不换通道）

记法：blobFromImage 前 4 个参数（图、缩放、尺寸、均值）和 swapRB 都由“模型的训练配置”决定，换模型就得查对应文档。

4.6 性别 + 年龄推理

python

            genderNet.setInput(blob)
            gender = genderList[genderNet.forward()[0].argmax()]

            ageNet.setInput(blob)
            age = ageList[ageNet.forward()[0].argmax()]

拆开看：

  1. genderNet.setInput(blob)：把同一个 blob 喂给性别网络

  2. genderNet.forward()：前向计算

  3. forward() 返回形状 (1, 2)：batch=1，2 个类别的分数

  4. [0] 取第一维，得到长度 2 的数组

  5. .argmax() 找最高分的下标（0 或 1）

  6. genderList[下标] → “男性” 或 “女性”

年龄同理，只是输出 (1, 8)，argmax() 是 0~7，查 ageList 得年龄段。

复用同一个 blob 是合理的：

  • 两个网络输入尺寸一样（227×227）

  • 输入预处理一样（同一个均值 + BGR）

  • 所以一次 blob 可以喂两个网络，省一次预处理

踩坑点：

  • argmax() 是 numpy 方法，不是 Python 内置 max()

  • forward() 必须 setInput 之后调用，否则用上一次的输入

4.7 组合文本 + 写中文

python

            result = "{},{}".format(gender, age)
            frame = cv2AddChineseText(frame, result, (x1, max(0, y1 - 30)))

  • "{},{}".format(gender, age) → 例："男性,25-32岁"

  • 也可以写 f-string：f"{gender},{age}"（更现代）

  • 位置 (x1, max(0, y1 - 30))：

    • x 对齐框左边

    • y 在框上方 30 像素

    • max(0, ...) 防止框贴顶时 y 变负数（PIL 对负数坐标处理可能不友好）

  • 必须重新赋值给 frame：函数返回新数组，不接返回值就等于没写

4.8 显示 + 退出

python

        cv2.imshow("frame", frame)
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break

  • imshow：显示当前帧

  • waitKey(1)：

    • 每帧等 1 毫秒

    • 返回值是按键的 ASCII 码，没按键返回 -1

    • 必须有，否则窗口不刷新 / 卡死

  • & 0xFF：兼容不同系统（某些系统按键码超过 8 位，& 255 只留低 8 位）

  • ord("q")：字符 'q' 的 ASCII 码（113）

  • 按 q 就 break 出循环

踩坑点：

  • 用 cv2.waitKey(0) 会让画面卡在第一帧

  • 忘了 & 0xFF 在某些 Linux/OpenCV 版本上 ord("q") 匹配不上

4.9 收尾

python

    cap.release()
    cv2.destroyAllWindows()


if __name__ == "__main__":
    main()

  • cap.release()：释放摄像头，否则其他程序用不了

  • cv2.destroyAllWindows()：关掉所有 OpenCV 窗口

  • if __name__ == "__main__":：只有直接运行本文件才执行 main()，被 import 时不执行（模块复用友好）

五、main 主循环快速回顾

（原教程的简版讲解，保留作为快速索引）

  1. 打开摄像头：cv2.VideoCapture(0) 打开 0 号摄像头；cap.isOpened() 检查是否成功，打不开就打印提示并直接返回。

  2. 读帧：cap.read() 每次读一帧画面，ret 为 False 说明读不到（比如摄像头被拔了），break 跳出循环。

  3. 镜像：cv2.flip(frame, 1) 做水平翻转，画面像照镜子一样自然。不翻转的话，你往右动画面里的人往左动，会很别扭。

  4. 找人脸：调用上篇写好的 getBoxes(faceNet, frame)，返回画好蓝框的画面和所有脸的坐标列表。

  5. 逐张脸判断：先把每张脸单独“切”出来——face = frame[y1:y2, x1:x2] 是 Python 切片写法，意思是取这张图 y1 到 y2 行、x1 到 x2 列的这块区域。为什么要切？因为整张画面里背景干扰太多，把脸单独抠出来，网络看得更清楚。face.size == 0 是防止空框的保护。

  6. 做选择题：对切出的脸做 blobFromImage（注意这里减的平均值是 MODEL_MEAN_VALUES，和人脸检测用的不一样，这是训练时定好的，照抄即可），分别喂给性别网络和年龄网络；forward()[0] 拿到一串分数，argmax() 找出最高分的下标，再去列表里取对应的中文标签。

  7. 写结果：result = "{},{}".format(gender, age) 拼成“性别,年龄”，用 cv2AddChineseText 写到人脸框上方——y1-30 就是往上挪 30 像素，max 防止坐标变成负数。

  8. 退出：imshow 显示画面；waitKey(1) 每帧等 1 毫秒，同时返回按键值，按 q 键（& 0xFF 是与 255 做位运算，兼容不同系统）就 break；最后 release 释放摄像头、destroyAllWindows 关闭窗口。

六、整体数据流与上篇衔接

6.1 整体数据流（下篇）

text

cap.read() → frame
    │
    ▼ flip 水平镜像
frame'
    │
    ▼ getBoxes(faceNet, frame')
frame''(带蓝框) + faceBoxes
    │
    ▼ 对每个框
    裁剪 face
    │
    ▼ blobFromImage(face, MODEL_MEAN_VALUES, BGR)
    blob
    ├──► genderNet → argmax → genderList → "男/女"
    └──► ageNet    → argmax → ageList    → "25-32岁"
    │
    ▼ 拼字符串 "性别,年龄段"
    │
    ▼ cv2AddChineseText(BGR→RGB→画字→RGB→BGR)
frame'''
    │
    ▼ imshow
    │
    ▼ waitKey(1) == 'q' ? break : 继续

五、运行效果与小结

运行后，摄像头画面里每张脸都被蓝框圈住，上方显示"性别,年龄段"。提醒一句：这些模型是用国外人脸数据训练的，猜亚洲人的年龄可能有偏差，属于正常现象。

作业：把 getBoxes 的 conf_threshold 默认值 0.7 改成 0.5，观察框是变多了还是变少了，想一想为什么。

转载自 CSDN-专业IT技术社区

原文链接：https://blog.csdn.net/pjj19854/article/details/166255865

文章来源转载

评论

赞0

评论列表

微信小程序
QQ小程序

关于作者

点赞数：0
关注数：0
粉丝：0
文章：0
关注标签：0
加入于：--