基于tensorflow的人脸识别代码

以下是一个基于TensorFlow的人脸识别代码示例：

import tensorflow as tf
import numpy as np
import cv2
import os

# 定义人脸检测器
face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

# 加载模型
model = tf.keras.models.load_model('model.h5')

# 定义类别标签
class_names = ['Person1', 'Person2', 'Person3']

# 读取测试图像
test_image = cv2.imread('test.jpg')
gray_image = cv2.cvtColor(test_image, cv2.COLOR_BGR2GRAY)

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

# 遍历每个检测到的人脸
for (x, y, w, h) in faces:
    # 在人脸上绘制矩形框
    cv2.rectangle(test_image, (x, y), (x+w, y+h), (0, 255, 0), 2)
    # 裁剪出人脸区域
    face_image = gray_image[y:y+h, x:x+w]
    # 调整图像大小为模型输入大小
    face_image = cv2.resize(face_image, (224, 224))
    # 将图像转换为3通道
    face_image = cv2.cvtColor(face_image, cv2.COLOR_GRAY2BGR)
    # 将图像转换为模型输入格式
    input_image = np.expand_dims(face_image, axis=0)
    # 预测人脸的类别
    predictions = model.predict(input_image)
    # 获取最高概率的类别
    predicted_class = np.argmax(predictions[0])
    # 获取类别标签
    class_label = class_names[predicted_class]
    # 在人脸上绘制类别标签
    cv2.putText(test_image, class_label, (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)

# 显示结果图像
cv2.imshow('Face Recognition', test_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们首先使用OpenCV的人脸检测器检测输入图像中的人脸，然后将每个人脸裁剪出来，并调整大小为模型输入的大小。然后，我们用加载的模型对每个人脸进行分类，并在人脸上绘制预测的类别标签。最后，我们显示结果图像。