基于卷积神经网络的人脸识别代码

以下是基于卷积神经网络的人脸识别代码示例：

import cv2
import numpy as np
from keras.models import load_model

# 加载训练好的模型
model = load_model('face_recognition.h5')

# 加载人脸识别器
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

# 标签名字
label_dict = {0: 'person1', 1: 'person2', 2: 'person3'}

# 打开摄像头
cap = cv2.VideoCapture(0)

while True:
    # 读取摄像头中的图像
    ret, frame = cap.read()

    # 灰度化处理
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 检测人脸
    faces = face_cascade.detectMultiScale(gray, 1.3, 5)

    # 处理每个人脸
    for (x, y, w, h) in faces:
        # 裁剪出人脸
        face_img = gray[y:y+w, x:x+w]

        # 调整图像大小，并进行预处理
        resized = cv2.resize(face_img, (224, 224))
        normalized = resized / 255.0
        reshaped = np.reshape(normalized, (1, 224, 224, 1))

        # 预测人脸所属的标签
        result = model.predict(reshaped)

        # 获取最大的概率值和对应的标签
        label = np.argmax(result, axis=1)[0]
        label_name = label_dict[label]

        # 在人脸周围绘制矩形框和标签
        cv2.rectangle(frame, (x, y), (x+w, y+h), (0, 255, 0), 2)
        cv2.putText(frame, label_name, (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)

    # 显示图像
    cv2.imshow('Face Recognition', frame)

    # 按下 q 键退出
    if cv2.waitKey(1) == ord('q'):
        break

# 释放资源
cap.release()
cv2.destroyAllWindows()

在以上代码中，我们使用了 OpenCV 和 Keras 来实现基于卷积神经网络的人脸识别。我们首先加载了训练好的模型和人脸识别器，然后打开摄像头读取图像。接下来，我们使用人脸识别器检测出每个人脸的位置，裁剪出人脸图像并进行大小调整和预处理。最后，我们使用训练好的模型来预测人脸所属的标签，并在图像中绘制矩形框和标签。最后，我们在一个循环中不断显示摄像头中的图像，直到按下 q 键退出程序。