detect.py

#A Gender and Age Detection program by Mahesh Sawant

import cv2
import math
import argparse
import numpy as np


def highlightFace(net, frame, conf_threshold=0.999):
    frameOpencvDnn = frame.copy()
    frameHeight = frameOpencvDnn.shape[0]
    frameWidth = frameOpencvDnn.shape[1]
    blob = cv2.dnn.blobFromImage(frameOpencvDnn, 1.0, (300, 300), [104, 117, 123], True, False)

    net.setInput(blob)
    detections = net.forward()
    
    for i in range(detections.shape[2]):
        confidence = detections[0, 0, i, 2]
        if confidence > conf_threshold:
            x1 = int(detections[0, 0, i, 3] * frameWidth)
            y1 = int(detections[0, 0, i, 4] * frameHeight)
            x2 = int(detections[0, 0, i, 5] * frameWidth)
            y2 = int(detections[0, 0, i, 6] * frameHeight)
            
            # Dessine la boîte autour de la tête détectée
            cv2.rectangle(frameOpencvDnn, (x1, y1), (x2, y2), (0, 255, 0), int(round(frameHeight / 150)), 8)
            
            # Retourne directement la première tête détectée
            return frameOpencvDnn, [[x1, y1, x2, y2]]
    
    # Retourne un tableau vide si aucune détection
    return frameOpencvDnn, []


parser=argparse.ArgumentParser()
parser.add_argument('--image')

args=parser.parse_args()

faceProto="opencv_face_detector.pbtxt"
faceModel="opencv_face_detector_uint8.pb"
ageProto="age_deploy.prototxt"
ageModel="age_net.caffemodel"
genderProto="gender_deploy.prototxt"
genderModel="gender_net.caffemodel"

MODEL_MEAN_VALUES=(78.4263377603, 87.7689143744, 114.895847746)
ageList=['0-2', '4-6', '8-12', '15-20', '25-32', '38-43', '48-53', '60-100']
genderList=['male','female']

faceNet=cv2.dnn.readNet(faceModel,faceProto)
ageNet=cv2.dnn.readNet(ageModel,ageProto)
genderNet=cv2.dnn.readNet(genderModel,genderProto)

video=cv2.VideoCapture(args.image if args.image else 0)
padding=20
#while cv2.waitKey(1)<0 :
hasFrame,frame=video.read()
#if not hasFrame:
#cv2.waitKey()
    #break
    








resultImg, faceBox = highlightFace(faceNet, frame)

if not faceBox:  # Vérifie si aucune tête n'est détectée
    print("No face detected")
else:
    faceBox = faceBox[0]  # Récupère la première (et unique) tête détectée
    padding = 20

    # Découpe la région du visage à partir de la boîte détectée
    face = frame[
        max(0, faceBox[1] - padding):min(faceBox[3] + padding, frame.shape[0] - 1),
        max(0, faceBox[0] - padding):min(faceBox[2] + padding, frame.shape[1] - 1)
    ]

    # Préparation du blob pour la détection du genre et de l'âge
    blob = cv2.dnn.blobFromImage(face, 1.0, (227, 227), MODEL_MEAN_VALUES, swapRB=False)

    # Prédiction du genre
    genderNet.setInput(blob)
    genderPreds = genderNet.forward()
    gender = genderList[genderPreds[0].argmax()]
#    print(f'Gender: {gender}')

    # Prédiction de l'âge
    ageNet.setInput(blob)
    agePreds = ageNet.forward()
    age = ageList[agePreds[0].argmax()]
#    print(f'Age: {age[1:-1]} years')
    print(f'{gender}_{age}')


    # Ajout des informations sur l'image
    cv2.putText(resultImg, f'{gender}, {age}', (faceBox[0], faceBox[1] - 10),
                cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 255), 2, cv2.LINE_AA)

    # Affichage de l'image résultante
#    cv2.imshow("Detecting age and gender", resultImg)
#    cv2.waitKey()