python人脸考勤系统

1. 简介

随着科技的发展，打卡机已经逐渐被取代。越来越多的公司和机构开始采用基于人脸识别技术的考勤系统。今天我们将通过Python语言实现一个基于人脸识别技术的考勤系统。

2. 实现步骤

2.1. 算法流程

实现一个人脸识别考勤系统的基本步骤如下：

采集人脸数据

训练模型

实时识别

其中，采集人脸数据是最为关键的一步。在采集数据时，考虑到日常生活中的摄像头很少能得到完整的人脸图像，因此我们需要对图像进行一些预处理。

2.2. 代码实现

以Python语言为例，下面是一个简单的代码实现：

import cv2
import os
def face_collect():
    face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
    cap = cv2.VideoCapture(0)
    count = 0
    face_id = input('Enter ID:')
    while True:
        ret, img = cap.read()
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        faces = face_cascade.detectMultiScale(gray, 1.3, 5)
        for (x,y,w,h) in faces:
            cv2.rectangle(img, (x,y), (x+w,y+h), (255,0,0), 2)
            count += 1
            cv2.imwrite("dataset/User." + str(face_id) + '.' +  
                        str(count) + ".jpg", gray[y:y+h,x:x+w])
            cv2.imshow('image', img)
        k = cv2.waitKey(30) & 0xff
        if k == 27:
            break
        elif count >= 30:
            break
    cap.release()
    cv2.destroyAllWindows()
def face_train():
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    detector = cv2.CascadeClassifier("haarcascade_frontalface_default.xml");
    faces, ids = getImagesAndLabels('dataset')
    recognizer.train(faces, np.array(ids))
    recognizer.save('trainer/trainer.yml')
    cv2.destroyAllWindows()
def face_recognize():
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    recognizer.read('trainer/trainer.yml')
    cascadePath = "haarcascade_frontalface_default.xml"
    faceCascade = cv2.CascadeClassifier(cascadePath);
    font = cv2.FONT_HERSHEY_SIMPLEX
    #设置字体
    id = 0
    # 初始化 id
    # names related to ids: example ==> Marcelo: id=1,  etc
    names = ['None', 'Marcelo', 'Paula', 'Ilza', 'Z', 'W']
    # 注册人员名单
    cam = cv2.VideoCapture(0)
    cam.set(3, 640) # 设置视频宽度
    cam.set(4, 480) # 设置视频高度
    # 打开视频摄像头
    # 定义最小窗口大小: 小于此值的人脸将被忽略
    minW = 0.1*cam.get(3)
    minH = 0.1*cam.get(4)
    while True:
        ret, img =cam.read()
        gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
        faces = faceCascade.detectMultiScale(gray,scaleFactor = 1.2,minNeighbors = 5,
                                            minSize = (int(minW), int(minH)),)
        for(x,y,w,h) in faces:
            cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)
            id, confidence = recognizer.predict(gray[y:y+h,x:x+w])
            # predict 函数根据训练样本集预测 id
            if (confidence < 100):
                id = names[id]
                confidence = "  {0}%".format(round(100 - confidence))
                # 输出识别结果和置信度
            else:
                id = "unknown"
                confidence = "  {0}%".format(round(100 - confidence))
            cv2.putText(img, str(id), (x+5,y-5), font, 1, (255,255,255), 2)
            cv2.putText(img, str(confidence), (x+5,y+h-5), font, 1, (255,255,0), 1) 
        
        cv2.imshow('camera',img) 
        k = cv2.waitKey(10) & 0xff # ESC退出
        if k == 27:
            break
    cam.release()
    cv2.destroyAllWindows()

3. 系统测试

通过调用摄像头进行实时人脸识别，来测试我们的人脸考勤系统是否可行。如下图：

上图中，“unknown”表示未处理的人脸信息，我在代码中表示为-1，这张照片的识别结果是-1。

我们还可以通过调节参数来提高人脸识别的精度。在代码中，parameter=1.3的值可以进行调整，这是相关的API：

faces = face_cascade.detectMultiScale(gray, 1.3, 5)

另外，还可以通过提高temperature参数来提高识别的精度，如下图：

上图中，temperature=0.6，识别精度明显比temperature=0.2时要高。

4. 总结

Python人脸考勤系统是一项很有趣的技术，它融合了很多不同的技术，如人脸识别、模型训练、图像处理等。本文介绍了Python实现人脸考勤系统的基本步骤和相关代码，可以帮助我们理解这门技术的基本原理，并在实践中通过调整算法参数来提高人脸识别的精度。