如何通过网站获取qq,什么公司需要做网站,wordpress网站很慢,建网站张掖哪家强?【保姆级教程】基于OpenCVPython的人脸识别上课签到系统 一、软件安装及环境配置1. 安装IDE#xff1a;PyCharm2. 搭建Python的环境3. 新建项目、安装插件、库 二、源文件编写1. 采集人脸.py2. 训练模型.py3. 生成表格.py4. 识别签到.py5. 创建图形界面.py 三、相关函数分析1.… 【保姆级教程】基于OpenCVPython的人脸识别上课签到系统 一、软件安装及环境配置1. 安装IDEPyCharm2. 搭建Python的环境3. 新建项目、安装插件、库 二、源文件编写1. 采集人脸.py2. 训练模型.py3. 生成表格.py4. 识别签到.py5. 创建图形界面.py 三、相关函数分析1.采集人脸2.训练模型3.识别签到4.创建图形界面 一、软件安装及环境配置
1. 安装IDEPyCharm 进入PyCharm官网https://www.jetbrains.com/pycharm/ 点击Download. 选择系统版本windows选择Community版本因为免费点击Downlad。 下载完成后双击开始安装点击Next. 选择合适路径建议除了C以外的其他盘点击Next。 勾选所有选项点击Next. 点击Install选择JetBrains. 等待安装结束Rboot now或 I want manually reboot later随便选一个即可点击finish. 双击打开Pycharm首次打开会出现如下弹窗勾选方框点击Continue。勾选Don’t send 至此pyCharm软件安装完毕.
2. 搭建Python的环境 打开Python官方网站https://www.Python.org点击Downlads. 进入Python下载界面选择Windows. 选择下面红框框住的版本Download Windows x86-64 executable installer 这可能会下载的非常慢推荐Internat Download Manager下载器(简称IDM)可以加速外网资源的下载几个线程同时下载提高下载速度官方说的最多五倍个人觉得不止官方地址https://www.internetdownloadmanager.com/download.html. 鼠标移到安装包上按右键复制地址打开IDM后新建任务把下载资源地址复制进去即可. 下载完成后双击Python-3.6.5rc1-amd64文件进行安装切记在选项Add Python 3.6 to PATH的框中打钩然后点击Install Now进入下一步. 注安装时一定要自定义安装解释器因为后续库的安装地址同解释器的安装位置。项目小还好项目大会把C盘“撑爆”. 耐心等待安装完成后会弹出一个界面点击close. 检查Python环境是否搭建成功在Windows窗口中按 winR打开命令窗口输入cmd点击“确定”按钮在新弹出的命令窗口中输入“Python” (或“py”)回车显示如下界面说明安装成功。
3. 新建项目、安装插件、库
打开pyCharm点击新建项目为新项目命名并选择路径点击Create. 安装中文插件在搜索框中输入Chinese安装中文简体语言包. 安装成功后点击Restart IDE重启软件即可换为中文模式.安装项目所需要的库本项目用到的第三方库opencv-python、opencv-contrib-python、pillow、 numpy、tk、xlrd、xlwt、xlutils、DateTime。 由于外网网速原因大概率会面临安装失败的问题此时可以采用国内镜像源利用pip加速安装. 以opencv-python库为例打开终端输入下述命令
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python终端pip安装完后再打开python解释器安装软件包速度快如飞雷神. 其余库安装流程类似此处不做演示.
二、源文件编写
整体架构
注意把代码中涉及到的路径换为自己电脑下否则编译器找不见报错
1. 采集人脸.py
演示学号为1111111111姓名为iu
首先下载haarcascade_frontalface_default.xml并把该xml文件移动到该项目下。下载地址https://gitcode.com/opencv/opencv/tree/master/data/haarcascades?utm_sourcecsdn_github_acceleratorisLogin1
import cv2
import os# 定义变量
classifier cv2.CascadeClassifier(rD:\hello_world\pythonProject\haarcascade_frontalface_default.xml)
font cv2.FONT_HERSHEY_SIMPLEX
stu_id input(请输入你的学号 \n)
stu_name input(请输入你的姓名 \n)
count 0# 建立人脸数据文件夹
if not os.path.exists(data):os.mkdir(data)# 打开摄像头
capture cv2.VideoCapture(0)while capture.isOpened():kk cv2.waitKey(1)_,farme capture.read()gray cv2.cvtColor(farme, cv2.COLOR_BGR2GRAY)faces classifier.detectMultiScale(gray, 1.2, 5)if len(faces) ! 0:for x, y, w, h in faces:cv2.rectangle(farme, (x, y), (x w, y h), (200, 0, 250), 2)# center (x w // 2, y h // 2)# r w // 2# cv2.circle(farme, center, r, (0, 250, 0), 2)cv2.putText(farme, Press s to save , (x w, y h), font, 1, (200, 0, 250), 2)if kk ord(s):cv2.imwrite(data/str(stu_name).str(stu_id).str(count).jpg, gray[y:yh,x:xw])count 1print(采集了str(count)张图片。)cv2.putText(farme, Press q to quit, (30, 60), font, 1, (200, 0, 250), 2)cv2.imshow(Picture from capture,farme)if kk ord(q):print(共采集了学号为str(stu_id)姓名为str(stu_name)的同学的str(count)张图片)break# 释放摄像头
capture.release()
cv2.destroyAllWindows()操作流程右键运行’采集人脸’输入自己的ID号笔者是10位学号输入姓名首字母例张三输入zsEnter。按s保存采集到的图像一般采集20张按q退出注意按s和q时必须切换至英文输入法模式
2. 训练模型.py
import cv2
import numpy as np
from PIL import Image
import oscreate cv2.face.LBPHFaceRecognizer_create()def data_translate(path):face_data []id_data []file_list [os.path.join(path, f) for f in os.listdir(path)]# print(file_list)# print(len(file_list))for file in file_list:PIL_image Image.open(file).convert(L)np_image np.array(PIL_image, uint8)# print(file)# print(file.split(.))# print(file.split(.)[1])id int(file.split(.)[1])# print(file.split(.)[0])face_data.append(np_image)id_data.append(id)return face_data, id_dataprint(开始训练模型)# data_translate(rdata\data)
Faces,Ids data_translate(rD:\hello_world\pythonProject\data)create.train(Faces,np.array((Ids)))create.save(trainer.yml)
print(模型保存成功)操作流程右键运行’训练模型’运行成功后会生成一个trainer.yml文件.
3. 生成表格.py
# 引入库
import xlrd
import xlwt
from xlutils.copy import copy# 创建工作簿
nwb xlwt.Workbook()cjb nwb.add_sheet(成绩表)
cjb.write_merge(0, 0, 0, 3, 成绩表)
a [序号, 学号, 姓名, 成绩, 签名, 签到时间]
for i in range(6):cjb.write(1, i, a[i])
name [iu, 张三, 李四, 王五]
id [1111111111, 2020001111, 2020002222, 2020003333]
b 0
for a in range(2, 6):# 写入学号cjb.write(a, 1, id[b])# 写入姓名cjb.write(a, 2, name[b])cjb.write(a, 0, b1)b b1
# 保存文件
nwb.save(人脸识别excel.xls)操作流程右键运行’生成表格’可根据自己需求增加name和id个数.
4. 识别签到.py # 导入库
import cv2
import time
import xlrd
import xlwt
from xlutils.copy import copy
from datetime import datetime# 创建签名子函数
def sign_in(idx, name):style0 xlwt.easyxf(font:height 300,bold on,color_index black, num_format_str MM:DD HH:MM)style1 xlwt.easyxf(font:height 300,bold on,color_index blue, num_format_str MM:DD HH:MM)wb xlrd.open_workbook(人脸识别excel.xls)nwb copy(wb)nbsnwb.get_sheet(0)# 签名nbs.write(idx, 3, name, style1)# 签时间nbs.write(idx, 4, datetime.now(), style0)nbs.col(4).width256*20nwb.save(人脸识别excel.xls)# 加载模型
classfier cv2.CascadeClassifier(D:\hello_world\pythonProject\haarcascade_frontalface_default.xml)
create cv2.face_LBPHFaceRecognizer.create()
create.read(trainer.yml)# 定义变量
font cv2.FONT_ITALIC
starttime time.time()
ID (UNKNOW)
name (UNKNOW)
count 0# 从表格中获取学号、姓名与识别结果比对
workbook xlrd.open_workbook(人脸识别excel.xls)
worksheet workbook.sheet_by_index(0)
stu_id worksheet.col_values(1)
stu_name worksheet.col_values(2)
print(stu_id)
print(stu_name)# 打开摄像头
capture cv2.VideoCapture(0)
while capture.isOpened():kk cv2.waitKey(1)_, farme capture.read()gray cv2.cvtColor(farme, cv2.COLOR_BGR2GRAY)faces classfier.detectMultiScale(gray,1.2,5)if len(faces) ! 0:for x, y, w, h in faces:cv2.rectangle(farme, (x,y), (xw, yh), (180, 120, 220), 2)gray1 gray[y:yh, x:xw]label, conf create.predict(gray1)print(label, conf)if conf 50:index [list for list, i in enumerate(stu_id)if istr(label)]print(index)ID (str(label))name stu_name[index[0]]print(ID, name)count count 1else:ID (UNKOWN)cv2.putText(farme, str(ID), (xw//2-50, yh30), font, 1.2, (200, 0, 250), 2)cv2.putText(farme, Press q to quit, (30, 60), font, 1.2, (200, 0, 250), 2)cv2.imshow(picture from capture., farme)if kk ord(q):breakif count 30:sign_in(index[0], name)print(学号为str(label),姓名为str(name))breakif time.time()-starttime30:print(超时未识别)break# 关闭所有窗口释放摄像头
capture.release()
cv2.destroyAllWindows()操作流程右键运行’识别人脸’运行成功后打开人脸识别签到表.xls查看签到信息.
5. 创建图形界面.py
把上述功能做一个GUI界面集成显示.
# 导入库
import tkinter as tk
import os
from PIL import Image, ImageTk#创建采集人脸子函数
def CJRL():os.system(python 采集人脸.py)#创建训练模型子函数
def XL():os.system(python 训练模型.py)#创建识别签到子函数
def SBQD():os.system(python 识别签到.py)#创建签到表
def QDB():os.startfile(人脸识别excel.xls)#关闭窗口
def GB():win.destroy()# 创建窗口
win tk.Tk()
win.title(人脸识别签到系统)
win.geometry(310x50080050)
win.configure(bg#FF8247)
# tk.Label(win, text自动化人脸识别, font(黑体, 20, bold), bg#00BFFF, fgwhite).place(x10,y10)# 设置图片以便使用
img Image.open(D:\hello_world\pythonProject\cat.jpg)
photo ImageTk.PhotoImage(img)# 大标题
lab1 tk.Label(win, text自动化人脸识别, font(黑体, 20, bold), bg#00BFFF, fgwhite).grid(padx20, pady10, stickytk.Wtk.E)
# 显示图片
# lab2 tk.Label(win, imagephoto).grid(padx20, pady10, stickytk.Wtk.E)# 按钮
but1 tk.Button(win, text采 集 人 脸 图 片, activebackgroundyellow,commandCJRL, font(黑体, 10, bold), bg#00BFFF, fgwhite).grid(padx20, pady10, stickytk.Wtk.E)but2 tk.Button(win, text训 练 模 型,activebackgroundyellow, commandXL, font(黑体, 10, bold), bg#00BFFF, fgwhite).grid(padx20, pady10, stickytk.Wtk.E)but3 tk.Button(win, text识 别 签 到,activebackgroundyellow, commandSBQD, font(黑体, 10, bold), bg#00BFFF, fgwhite).grid(padx20, pady10, stickytk.Wtk.E)but4 tk.Button(win, text签 到 表, activebackgroundyellow,commandQDB, font(黑体, 10, bold), bg#00BFFF, fgwhite).grid(padx20, pady10, stickytk.Wtk.E)but5 tk.Button(win, text关 闭 窗 口,activebackgroundyellow, commandGB, font(黑体, 10, bold), bg#00BFFF, fgwhite).grid(padx20, pady10, stickytk.Wtk.E)tk.Label(win, text学号1111111111 姓名iu, bgwhite, fgblack,font(楷体,12)).grid(padx20, pady10, stickytk.Wtk.E)# tk.Label(win, text字图一体, imagephoto ,compoundbottom, bgwhite, fgblack,font(楷体,12)).grid(padx20, pady10, stickytk.Wtk.E)win.mainloop()三、相关函数分析
1.采集人脸
classifier cv2.CascadeClassifier(rD:\py-project\pythonProject1\haarcascade_frontalface_default.xml)CascadeClassifier是OpenCV中的一个类用于创建和管理级联分类器对象允许加载一个预先训练好的分类器模型.r’D:\pyproject\pythonProject1\haarcascade_frontalface_default.xml’绝对路径。haarcascade_frontalface_default.xml该XML文件包含了用于Haar级联分类器的预训练模型它是基于Haar特征和AdaBoost算法训练得到的用于检测人脸 faces classifier.detectMultiScale(gray, 1.2, 5)detectMultiScale() 用于在给定的灰度图像 gray 中检测对象。它会返回一个包含检测到的对象边界框的列表。每个边界框由 (x, y, width, height) 组成其中 (x, y) 是矩形左上角的坐标width 和 height 分别是矩形的宽度和高度.gray这是输入的灰度图像。级联分类器通常在灰度图像上工作因为颜色信息对于基于Haar特征的分类器不是必需的.1.2scaleFactor 参数用于构建图像金字塔。图像金字塔是一系列逐渐缩小的图像用于在不同的尺度上检测对象。scaleFactor 指定了相邻图像之间的缩放比例。较小的 scaleFactor 值意味着金字塔中的图像尺寸减小得更慢这有助于在不同尺度上更细致地检测对象。5这是 minNeighbors 参数它 指定了在声明找到对象之前必须在同一个位置重叠检测到的对象的最小数量。较大的 minNeighbors 值可以减少误检但可能会降低检测的灵敏度。 2.训练模型
create cv2.face.LBPHFaceRecognizer_create()LBPHFaceRecognizer_create() OpenCV face 模块中的一个函数它初始化一个LBPH人脸识别器对象。LBPH是一种基于图像纹理的识别方法它通过计算局部二值模式的直方图来提取特征这些特征随后用于人脸的识别.函数返回一个 LBPHFaceRecognizer 对象这个对象包含了LBPH算法所需的所有参数和模型。与 create.train(faces, labels) 结合使用其中 faces 和 labels 是已经准备好的训练数据和对应的标签 def data_translate(path):# 初始化用于存储面部图像数据的列表face_data []# 初始化用于存储与面部图像对应的ID的列表学号id_data []# 使用os.path.join(path, f)将路径和文件名组合成完整的文件路径# 列表推导式用于创建包含所有文件完整路径的列表file_list [os.path.join(path, f) for f in os.listdir(path)]# 遍历file_list中的每个文件路径for file in file_list:# 打开图像文件并将其转换为灰度图像L模式PIL_image Image.open(file).convert(L)# 转换为NumPy数组数据类型为uint8np_image np.array(PIL_image, uint8)# 提取文件名中的ID部分文件名中第一个.之后第二个.之前的部分id int(file.split(.)[1])# 将转换后的图像数组添加到face_data列表face_data.append(np_image)# 将提取的ID添加到id_data列表id_data.append(id)# 返回包含面部图像数据和对应ID的两个列表return face_data, id_data3.识别签到
style0 xlwt.easyxf(font:height 300,bold on,color_index black, num_format_str MM:DD HH:MM)xlwt.easyxf()函数用于创建一个Excel单元格样式对象这个对象包含了一系列的格式化设置可以应用于一个或多个单元格.font:height 300 设置字体大小为300这通常对应于Excel中的11号字体.bold on: 表示文本加粗.color_index black 设置文本颜色为黑色。color_index是一个索引用于指定Excel调色板中的颜色num_format_str ‘MM:DD HH:MM’指定日期和时间应该以月-日 时:分的格式显示. for x, y, w, h in faces:# 在图像farme上绘制矩形框框住检测到的人脸区域# 参数(x, y)是矩形左上角的坐标(xw, yh)是矩形右下角的坐标注坐标系在左上角# (180, 120, 220)是矩形的颜色BGR格式2是线条的粗细cv2.rectangle(farme, (x, y), (xw, yh), (180, 120, 220), 2)# 从灰度图像gray中截取人脸区域坐标(x, y)是人脸左上角宽高为w和hgray1 gray[y:yh, x:xw]# 使用人脸识别器create预测截取的人脸区域gray1的身份和置信度前面create已经read过训练好的yml文件label, conf create.predict(gray1)# 打印预测的标签身份ID和置信度print(label, conf)# 如果置信度小于50认为识别结果比较可信if conf 50:# 尝试找到与预测标签create检测出的label匹配的学生IDexcel表格中的stu_id,二者本质上都是学号.index [list for list, i in enumerate(stu_id) if i str(label)]print(index)# 假设index列表中有匹配的ID把其转化为字符串格式取出对应的学生姓名,生成表格.py生成excel默认是字符串格式如不是在单元格前‘按回车ID (str(label))name stu_name[index[0]]print(ID, name)# 对识别成功的人脸数量进行计数count count 1else:# 如果置信度大于或等于50认为识别结果不可信标记为未知ID (UNKNOWN)4.创建图形界面
lab1 tk.Label(win, text自动化人脸识别, font(黑体, 20, bold), bg#00BFFF, fgwhite).grid(padx20, pady10, stickytk.Wtk.E)tk.Label 是 tkinter 模块中的一个函数用于创建一个标签Label组件用于显示文本或图像但不能包含用户交互元素如按钮或输入框.winGUI窗口text“自动化人脸识别”添加文本信息.font(‘黑体’, 20, ‘bold’)这个参数定义了标签文本的字体样式包括字体黑体大小20以及加粗bold.bg‘#00BFFF’这个参数设置了标签的背景颜色这里使用了十六进制颜色代码表示浅蓝色. fg‘white’这个参数设置了标签文本的前景颜色其实就是字体颜色这里是白色..grid(…)这是 Label 组件的 grid 方法用于将标签放置在父容器win窗口的网格布局中。 1padx20这个参数设置了组件在窗口水平方向上的填充外边距这里是 20 像素。 2pady10这个参数设置了组件在窗口垂直方向上的填充外边距这里是 10 像素。 3stickytk.Wtk.E这个参数定义了组件如何 “粘附” 到其网格单元格的边缘。这里 tk.W 表示西左tk.E 表示东右所以标签将填充整个单元格的宽度从左到右。 but1 tk.Button(win, text采 集 人 脸 图 片, activebackgroundyellow,commandCJRL, font(黑体, 10, bold), bg#00BFFF, fgwhite).grid(padx20, pady10, stickytk.Wtk.E)but1参数大体上与lab1相同此处仅简要说明activebackground‘yellow’其用于设置组件在被激活active状态下的背景颜色即当组件获得焦点或者用户与之交互时例如鼠标悬停或点击组件会进入激活状态。此处为点击按钮变黄.
