基于OpenCV-Python的人脸签到系统

一、流程：
人脸数据采集→模型训练→建立一个maxmember.csv表格用来存放人员的ID、打卡的名称，识别时显示的名称→启动人脸检测打卡→自动生成CSV表格用来存放打卡人的名称与时间。

二代码：

import cv2
import os
import numpy as np
from PIL import Image
import datetime
import csv
# 调用笔记本内置摄像头，所以参数为0，如果有其他的摄像头可以调整参数为1，2
Path = r"G:/haarcascade_frontalface_default.xml"
face_detector = cv2.CascadeClassifier(Path)
names = []
zh_name = []
############################################################
# 建立一个maxmember.csv表格
# 用来存放人员的ID、姓名
#UTF-8：是实现Unicode的方法
#把8位以内能表示的Unicode编码用一个字节表示
############################################################
with open("maxmember.csv","r",encoding='UTF-8') as csv_file:reader = csv.reader(csv_file)for item in reader:# print(item)names.append(item[2])            #边框显示的名称zh_name.append(item[1])          #打卡人员名称# print (zh_name)
def data_collection():cap = cv2.VideoCapture(0,cv2.CAP_DSHOW)#cv2.CAP_DSHOW是作为open调用的一部分传递标志，还有许多其它的参数，而这个CAP_DSHOW是微软特有的。face_id = input('\n 请输入你的ID:')print('\n 数据初始化中，请直视摄像机录入数据....')count = 0while True:# 从摄像头读取图片sucess, img = cap.read()# 转为灰度图片gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)fi=img/255gamma=0.5o=np.power(fi,gamma)# 检测人脸faces = face_detector.detectMultiScale(gray, 1.3, 5)for (x, y, w, h) in faces:cv2.rectangle(o, (x, y), (x + w, y + w), (255, 0, 0))count += 1# 保存图像cv2.imwrite("dataset/User." + str(face_id) + '.' + str(count) + ".jpg", gray[y:y+h,x:x+w])cv2.imshow('data collection', o)# 保持画面的持续。k = cv2.waitKey(1)if k == 27:  # 通过esc键退出摄像breakelif count >= 20:  # 得到n个样本后退出摄像breakcap.release()cv2.destroyAllWindows()
def face_training():# 人脸数据路径path = './dataset'recognizer = cv2.face.LBPHFaceRecognizer_create()def getImagesAndLabels(path):imagePaths = [os.path.join(path, f) for f in os.listdir(path)]  # join函数将多个路径组合后返回faceSamples = []ids = []for imagePath in imagePaths:PIL_img = Image.open(imagePath).convert('L')  # convert it to grayscaleimg_numpy = np.array(PIL_img, 'uint8')id = int(os.path.split(imagePath)[-1].split(".")[1])faces = face_detector.detectMultiScale(img_numpy)for (x, y, w, h) in faces:faceSamples.append(img_numpy[y:y + h, x: x + w])ids.append(id)return faceSamples, idsprint('数据训练中')faces, ids = getImagesAndLabels(path)recognizer.train(faces, np.array(ids))recognizer.write(r'trainer\trainer.yml')# print("{0} faces trained. Exiting Program".format(len(np.unique(ids))))print("\n [INFO] {0} faces trained. Exiting Program".format(len(np.unique(ids))))###############
#采用LBPH算法
###############def face_ientification():cap = cv2.VideoCapture(0)recognizer = cv2.face.LBPHFaceRecognizer_create()recognizer.read('trainer/trainer.yml')faceCascade = cv2.CascadeClassifier(Path)font = cv2.FONT_HERSHEY_SIMPLEXidnum = 0global namesscam = cv2.VideoCapture(0)#设置大小minW = 0.1 * cam.get(3)minH = 0.1 * cam.get(4)while True:ret, img = cam.read()#图像灰度处理gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#----------------------#采用伽玛变换，提高图像清晰度#----------------------fi=img/255gamma=0.5o=np.power(fi,gamma)# 将人脸用vector保存各个人脸的坐标、大小（用矩形表示）faces = faceCascade.detectMultiScale(gray,scaleFactor=1.2,#表示在前后两次相继的扫描中，搜索窗口的比例系数minNeighbors=5,#表示构成检测目标的相邻矩形的最小个数(默认为3个)minSize=(int(minW), int(minH))#minSize和maxSize用来限制得到的目标区域的范围)for (x, y, w, h) in faces:cv2.rectangle(o, (x, y), (x + w, y + h), (11, 255, 255), 2)idnum, confidence = recognizer.predict(gray[y:y + h, x:x + w])if ((confidence < 100)):namess = names[idnum]confidence = "{0}%".format(round(100 - confidence))else:namess = "unknown"confidence = "{0}%".format(round(100 - confidence))cv2.putText(o, str(namess), (x + 5, y - 5), font, 1, (255, 255, 255), 1)cv2.putText(o, str(confidence), (x + 5, y + h - 5), font, 1, (255, 255, 0), 1)#输出置信度cv2.imshow(u'Identification punch', o)k = cv2.waitKey(1)if k == 13:              #回车键的ASCLL(13)theTime = datetime.datetime.now()# print(zh_name[idnum])strings = [str(zh_name[idnum]),str(theTime)]print(strings)with open("log.csv", "a",newline="") as csvFile:  #将获取到的打卡时间重新做一个表格writer = csv.writer(csvFile)writer.writerow([str(zh_name[idnum]),str(theTime)])elif k==27:             #ESC  ENDcap.release()cv2.destroyAllWindows()break
while True:a = int(input("输入1，进行人脸收集；输入2，进行人脸模型训练；输入3,进行识别打卡；输入4，退出系统:"))if a==1:data_collection()if a==2:face_training()if a==3:face_ientification()if a==4:cv2.destroyAllWindows()break

三效果展示：
ID:4

采集到人脸时，边框显示我的名字
打卡时也会显示打卡人的名称以及打卡的时间maxmember.csv表格：

第一列为采集人脸数据的ID好，比如我采集自己的人脸时我的ID为4，第二列为打卡时显示打卡人的名称，第三列为人脸识别后对人人的名称。

生成的csv用来保存打卡人员的名称与时间：

基于OpenCV-Python的人脸签到系统相关推荐

基于 OpenCV + Python 的人脸识别上课签到系统
目录前言安装第三方库第一步:采集人脸图像 (1)修改姓名学号 (2)运行capture_face.py (3)采集人脸图像 (4)查看采集到的人脸图像第二步:训练模型第三步:识别签到 (1) ...
基于Flask/Opencv/Dlib课堂人脸签到系统
简介本项目主要采用了Python语言基于Flask框架开发,利用Dlib库中68特征点检测器和深度残差网络模型,欧氏距离,目标跟踪方法实现了人脸识别,采用MySQL数据库记录系统相关数据,并用Boo ...
基于OpenCV的简单人脸识别系统
目录 1. 调用库函数 2. 调用摄像头并设置窗口 3. 设置图片正负样本数据集的路径 4. 调用人脸检测器 5. 正负样本载入 6.提取人脸区域 7. 建立LBPH人脸识别模型 8. 实时检测 9. ...
基于python的人脸签到系统-3（使用百度API）
文章目录人脸识别使用百度提供的技术支持(在线API和离线SDK) 在线API 实现过程参考资料人脸识别自己训练模型或者使用网上已有的模型使用百度提供的技术支持(在线API和离线SDK) 在 ...
Python毕设-【人脸签到系统】附源码/Python练手项目/Python毕业设计
本人承诺只做技术分享,永不收费. V----------------->:专栏详情文章目录本人承诺只做技术分享,永不收费. V----------------->:专栏详情一.背景 ...
python dlib caffe人脸相似度_基于深度学习的人脸识别系统（Caffe+OpenCV+Dlib）【一】如何配置caffe属性表...
前言基于深度学习的人脸识别系统,一共用到了5个开源库:OpenCV(计算机视觉库).Caffe(深度学习库).Dlib(机器学习库).libfacedetection(人脸检测库).cudnn(gp ...
Python毕设-【课堂人脸签到系统】附源码课件/Python练手项目/Python毕业设计
Python毕设-[课堂人脸签到系统]附源码课件/允许白嫖文章目录 Python毕设-[课堂人脸签到系统]附源码课件/允许白嫖系统简介一.本课题拟解决的问题二.系统技术栈三.开发工具四.数 ...
OpenCV + python 实现人脸检测（基于照片和视频进行检测）
OpenCV + python 实现人脸检测(基于照片和视频进行检测) Haar-like 通俗的来讲,就是作为人脸特征即可. Haar特征值反映了图像的灰度变化情况.例如:脸部的一些特征能由矩形特征 ...
基于深度学习的人脸识别系统（Caffe+OpenCV+Dlib）【三】VGG网络进行特征提取
前言基于深度学习的人脸识别系统,一共用到了5个开源库:OpenCV(计算机视觉库).Caffe(深度学习库).Dlib(机器学习库).libfacedetection(人脸检测库).cudnn(gp ...
基于深度学习的人脸识别系统系列（Caffe+OpenCV+Dlib）——【六】设计人脸识别的识别类...
前言基于深度学习的人脸识别系统,一共用到了5个开源库:OpenCV(计算机视觉库).Caffe(深度学习库).Dlib(机器学习库).libfacedetection(人脸检测库).cudnn(gp ...

基于OpenCV-Python的人脸签到系统

基于OpenCV-Python的人脸签到系统相关推荐

最新文章

热门文章