本文面向 OpenCV 初学者，手把手教你写一个实时摄像头程序，自动检测人脸，并预测每个人的年龄和性别。文中会详细解释模型文件、代码逻辑和常见问题。

一、效果展示

运行程序后，摄像头会实时显示画面，每个人脸会被绿色框标出，并标注出性别（boy/girl）和年龄段（如 25-32years）。就像下面这样（示意图）：

[摄像头画面]
┌──────────────────────┐
│  ┌─────┐             │
│  │ boy,│             │
│  │25-32│             │
│  └─────┘             │
│                      │
└──────────────────────┘

二、准备工作

2.1 安装 Python 库

pip install opencv-python pillow numpy

• opencv-python：图像处理、摄像头、深度学习推理

• pillow：在图片上绘制中文文字

• numpy：OpenCV 底层依赖

2.2 下载预训练模型文件

你需要以下 6 个文件（放在项目的 model/ 目录下）：

用途	结构文件	权重文件
人脸检测	opencv_face_detector.pbtxt	opencv_face_detector_uint8.pb
性别预测	deploy_gender.prototxt	gender_net.caffemodel
年龄预测	deploy_age.prototxt	age_net.caffemodel

这些文件在 OpenCV 官方仓库或 CSDN 上都能搜到，注意文件名必须完全一致。

2.3 中文字体（可选）

如果你希望显示中文，请准备一个中文字体文件（如 simsun.ttc），放在 font/ 目录下。
如果你不想折腾，可以直接显示英文（我会在代码中给出两种方案）。

三、完整代码（可直接运行）

将以下代码保存为 age_gender_live.py：

import cv2
import numpy as np
from PIL import Image, ImageDraw, ImageFont

# ---------- 1. 加载模型 ----------
faceProto = "model/opencv_face_detector.pbtxt"
faceModel = "model/opencv_face_detector_uint8.pb"
ageProto = "model/deploy_age.prototxt"
ageModel = "model/age_net.caffemodel"
genderProto = "model/deploy_gender.prototxt"
genderModel = "model/gender_net.caffemodel"

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

# ---------- 2. 定义标签和均值 ----------
ageList = ['0-2years','3-6years','8-12years','15-20years',
           '25-32years','38-43years','48-53years','60-100']
genderList = ['boy','girl']
mean = (78.426, 87.76891, 114.8958477)   # 年龄/性别模型需要的均值

# ---------- 3. 人脸检测函数（带画框）----------
def getFaceBoxes(net, frame):
    h, w = frame.shape[:2]
    blob = cv2.dnn.blobFromImage(frame, 1.0, (300,300), [104,117,123], swapRB=True)
    net.setInput(blob)
    detections = net.forward()      # 形状 (1,1,N,7)
    faceBoxes = []
    for i in range(detections.shape[2]):
        conf = detections[0,0,i,2]
        if conf > 0.7:
            x1 = int(detections[0,0,i,3] * w)
            y1 = int(detections[0,0,i,4] * h)
            x2 = int(detections[0,0,i,5] * w)
            y2 = int(detections[0,0,i,6] * h)
            faceBoxes.append([x1,y1,x2,y2])
            cv2.rectangle(frame, (x1,y1), (x2,y2), (0,255,0), 2)
    return frame, faceBoxes

# ---------- 4. 中文绘制函数（可选）----------
def drawChinese(img, text, pos, color=(0,255,0), size=25):
    img_pil = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
    draw = ImageDraw.Draw(img_pil)
    font = ImageFont.truetype("font/simsun.ttc", size, encoding="utf-8")
    draw.text(pos, text, color, font=font)
    return cv2.cvtColor(np.array(img_pil), cv2.COLOR_RGB2BGR)

# ---------- 5. 主程序：摄像头实时推理 ----------
cap = cv2.VideoCapture(0)
if not cap.isOpened():
    print("无法打开摄像头")
    exit()

while True:
    ret, frame = cap.read()
    if not ret:
        break
    frame = cv2.flip(frame, 1)          # 水平镜像，更像照镜子

    # 步骤1：人脸检测
    frame, faceBoxes = getFaceBoxes(faceNet, frame)

    if len(faceBoxes) == 0:
        cv2.imshow("Age Gender Predict", frame)
        if cv2.waitKey(1) == 27:
            break
        continue

    # 步骤2：对每个人脸预测年龄和性别
    for (x1,y1,x2,y2) in faceBoxes:
        face = frame[y1:y2, x1:x2]       # 切片裁剪人脸区域
        if face.size == 0:
            continue

        # 准备输入（年龄/性别模型要求 227x227）
        blob = cv2.dnn.blobFromImage(face, 1.0, (227,227), mean, swapRB=False)

        # 性别预测
        genderNet.setInput(blob)
        genderPred = genderNet.forward()
        gender = genderList[genderPred[0].argmax()]

        # 年龄预测
        ageNet.setInput(blob)
        agePred = ageNet.forward()
        age = ageList[agePred[0].argmax()]

        # 显示结果
        label = f"{gender}，{age}"
        # 如果你没有中文字体，用下面这行英文显示：
        # cv2.putText(frame, f"{gender} {age}", (x1, y1-10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0,255,0), 2)
        frame = drawChinese(frame, label, (x1, y1-25))

    cv2.imshow("Age Gender Predict", frame)
    if cv2.waitKey(1) == 27:    # ESC 退出
        break

cap.release()
cv2.destroyAllWindows()

四、核心知识点详解（小白必看）

4.1 预训练模型：什么是 .pbtxt 和 .pb？

• .pbtxt：网络的结构文件（相当于建筑图纸）

• .pb 或 .caffemodel：网络的权重文件（相当于钢筋混凝土和装修）

两者缺一不可。cv2.dnn.readNet(权重, 结构) 的作用就是加载别人已经训练好的模型，我们直接使用，不需要自己训练。

4.2 detections 到底长什么样？

人脸检测网络的输出 detections 是一个四维数组，形状为 (1, 1, N, 7)：

• 前两维固定为 1（batch 和 class 维度）

• 第三维 N 表示检测到的人脸候选框数量

• 第四维 7 表示每个框的 7 个信息：[图片ID, 类别ID, 置信度, x1_norm, y1_norm, x2_norm, y2_norm]

所以提取第 i 个框的置信度要写成 detections[0, 0, i, 2]，而不是 detections[i][2]。

4.3 frame 是什么？为什么能 frame[y1:y2, x1:x2]？

在 OpenCV 中，frame 是一个 NumPy 三维数组，形状为 (高, 宽, 3)，存储着 BGR 三个通道的像素值。
对数组进行切片 [y1:y2, x1:x2] 就能截取出矩形区域——也就是人脸部分的图像，赋值给 face 变量，供后续模型使用。

4.4 blobFromImage 做了什么？

将原始图像转换成神经网络可接受的格式：

• 缩放到模型要求的尺寸（人脸检测 300×300，年龄性别 227×227）

• 减去均值（使数据分布接近训练时的状态）

• 可选交换通道顺序（BGR ↔ RGB）

• 输出四维数组 [1, 3, H, W]

4.5 如何从模型输出得到性别和年龄？

性别模型输出一个 (1,2) 的数组，例如 [[0.2, 0.8]]，分别表示 [boy, girl] 的概率。
argmax() 返回最大值的索引（这里是 1），再从 genderList 中取出对应标签 'girl'。
年龄模型同理，输出 (1,8)，对应 ageList 中的 8 个年龄段。

四、常见问题与解决方案

Q1：运行时提示“无法找到模型文件”

A：检查路径。可以把模型文件放在脚本同级的 model/ 文件夹内，或者使用绝对路径。

Q2：中文显示为方块或报错

A：要么将正确的字体文件放到 font/ 目录下，要么改用英文显示（代码中已给出备选）。

Q3：检测不到人脸或者误检太多

A：调整置信度阈值。代码中使用 >0.7，可以尝试降低到 0.5（提高召回率）或升高到 0.9（提高精确率）。

Q4：程序很卡，CPU 占用高

A：年龄性别模型比较消耗性能。可以：

• 降低摄像头分辨率：cap.set(cv2.CAP_PROP_FRAME_WIDTH, 320)

• 每隔 3 帧才做一次年龄性别预测，其余帧只做人脸检测

五、总结与拓展

通过这个项目，你已经掌握了：

• 如何使用 OpenCV DNN 模块加载预训练模型

• 如何实时进行人脸检测、年龄估计、性别识别

• 如何在图像上绘制中文文字

• 理解 detections 四维数组的索引方式

你可以继续尝试：

1. 换成更轻量的人脸检测器（如 MediaPipe），提高速度

2. 增加表情识别、口罩检测等任务

3. 将结果保存到文件或上传到服务器

学习的本质就是不断拆解、实验、总结。希望这篇文章能帮你迈出 OpenCV 深度学习应用的第一步。有任何问题，欢迎在评论区交流！

---

本文代码已测试环境：Python 3.8，OpenCV 4.5.4，Windows 10。模型文件请自行准备。