基于人脸识别的课堂考勤系统+源代码+文档说明（毕业设计）

# Class Attendance System based on Face Recognition 基于人脸识别的课堂考勤系统 --- > Contributor : datamonday > > Github Repo : https://github.com/datamonday/Face-Recognition-Class-Attendance-System > > Initial Blog : [基于人脸识别的考勤系统：Python3 + Qt5 + OpenCV3 + OpenFace + MySQL](https://blog.csdn.net/weixin_39653948/article/details/89291751?spm=1001.2014.3001.5502) > > Project Post : 2019.04.14 > > Last Update : 2021.05.26 --- # Update: 2021.05.28 - 完善本地人脸和数据库ID核验功能； - 完善随机答题点名功能；  --- # Update: 2021.05.24-27 又到毕业季，终于有时间集中进行处理，为了让该项目更容易上手且更鲁棒，主要做了如下更新： - 对项目进行了重构，使得风格更gayhuber；（！正在进行中） - 将所有开放的接口汇总到一个模块 `GlobalVar.py` ，其他文件和目录无需修改，方便修改二次开发； - 重新设计了主界面和信息采集界面（有些功能正在开发）； - 主界面设定考勤时间，方便调试； - 添加了自动采集人脸图像功能； - 考勤涉及大量的时间序列操作，因此使用了Pandas和Datetime模块进行处理； - 增加了环境配置文件requirements.txt和environment.yaml，对小白更友好； - 添加了详细的环境配置和使用教程，更容易配置； - 增加了许多提示信息，方便定位错误。 - 添加了大量的异常处理语句，减少终止运行的情况，方便捕获异常和调试； - 集中解决了之前存在的卡顿和闪退问题； 再看两年多前以前写的代码，发现很多都写死了，并且实现思路不甚清晰，导致修复bug的同时又会造成新的bug，所以重写了代码，并将需要修改的参数集中，方便移植。 新界面    暂未完成的一部分功能说明：  --- # 1. 项目简介及声明 🎠**本项目使用Python3.6开发（2021-05-23更新到Python3.8）。主要包括四部分：（1）前端界面设计：使用Qt Designer（QT5）设计主界面，PyQt5编写界面控件的槽函数。（2）人脸识别算法：使用Google在2015年提出的人脸识别算法FaceNet进行人脸识别，其中人脸检测部分使用OpenCV提供的ResNet-SSD预训练模型，使用OpenFace开源的基于Inception的FaceNet预训练模型。（3）活体检测部分，使用dlib库的眨眼检测来实现活体识别。（4）信息管理：使用PyMySQL实现学生信息，教室及课表信息，考勤信息的集中统一化管理。** 本项目针对的是教师或者说是个人使用者这种小范围签到的情况，其实现机制也比较简单。近期也在探索实现全校人脸识别考勤信息统一集中管理，但具体实现比较复杂，相当于将考勤系统和人脸识别融合。一方面考勤系统本身逻辑比较复杂，考虑到的情况比较多，短期内难以实现；另一方面，人脸数据的采集和人脸识别算法的识别上限和准确率决定了能否落地，综合考虑时间因素和学习成本，故暂未更进一步。读者感兴趣可自行探索，欢迎提出建议和解决方案。 **🐱‍👓本项目开始于2018年年末，大概持续了两三个月的时间，2019年4月发布博客并开源，2021年5月重构了代码库。因为本项目仅由一个人开发，能力精力有限，实现了预期的一部分功能，没有经过完整周全的测试，部分功能存在bug（例如活体检测可能出现界面卡死。），但在空余时间还在积极修复，争取实现初衷。如果有不懂的地方或者更好的建议，欢迎在评论区，github，交流群提出。** **在开发过程中，遇到过许多难题，参考了很多教程，才有了这个项目。相信大家看到这里，一定是在科创比赛或作业中遇到了类似的问题，我也有过类似的经历，很清楚找不到解决方案，自己盲目摸索的苦恼，这也是我选择开源的原因，个人能力有限，但是希望本项目能给需要的小伙伴提供帮助。** <font color=red>**声明：本人不提供有偿写代码，代做毕业设计，代写毕业论文服务，有违初衷，有这样想法的不用私信和添加好友了！有这时间还不如干自己喜欢干的事！本人也并未授权任何人代表本人提供有偿服务，谨防上当受骗！欢迎提出问题与建议，但不欢迎投机倒把。代码和教程已经是掰开了揉碎了，算是保姆级教程了，多花点时间看代码，很多问题都可以自行解决，别老想着让别人把东西喂到嘴边。**</font> 最后，善用Google，善用Stack Overflow。 --- # 2. 环境配置🎡 ## 2.1 Anaconda 创建虚拟环境 打开官方地址并下载对应版本： https://www.anaconda.com/products/individual#Downloads 如果追求轻量化，使用miniconda也可以，只不过没有navigator。 安装完成后，打开 Anaconda Prompt，并按以下步骤输入： 1. 创建虚拟环境 `fr` ，设置Python版本为 3.8.0 ```shell conda create -n fr python==3.8 ``` 2. 激活虚拟环境 ```shell conda activate fr ``` --- ## 2.2 安装所需要的包 在新开的命令行，激活虚拟环境后，按如下步骤操作。 方式一：requirements.txt 安装 该文件是我在本地新建的测试通过的环境中所使用的的包，可以直接安装，避免了一个一个包安装的繁琐步骤。打开命令行并切换到该文件所在的根目录，输入如下命令： ```shell pip install -r requirements.txt ``` 注：本地环境生成requirements.txt的命令：`pip freeze > requirements.txt` --- 方式二：environment.yaml 安装 这是我在本地的conda虚拟环境，实现功能类似 requirements.txt，如果安装了anaconda的话，可以直接安装。需要注意的是该方式是直接创建一个虚拟环境，如果想在已有的环境中进行配置，则只需要按方式一即可。 ```shell conda env create -f environment.yaml ``` 注：导出本地的conda环境命令：`conda env export > d:/environment.yaml` --- ## 2.3 安装 dlib - 官网：http://dlib.net/ - github：https://github.com/davisking/dlib 注意：需要先安装Visual Studio C++的Community版本或者专业版和企业版都可以，否则报错！只安装 installer 无效，仍会报错！如果之前没有安装VS内核，只安装了 installer，打开控制面板，右击修改安装，重启之后生效。 确认已经安装了VS，打开命令行，激活虚拟环境，直接命令安装即可： ```shell pip install dlib ``` 安装比较耗时，大概几分钟，成功安装截图：  --- # 3. 系统前端设计🤖 使用 Qt Designer 设计前端界面。 ## 3.1 主界面  --- ## 3.2 信息采集界面  --- # 4. 系统功能介绍🛵 ## 4.1 信息采集功能 通过信息采集界面实现，针对学生的人脸图片建库。 可以手动添加，可以自动采集人脸图像。注意：从自动转为手动方式时，画面会不显示，但不影响采集！ ## 4.2 人脸识别简介 深度学习人脸识别流程可以总结如下（图自论文：I. Masi, Y. Wu, T. Hassner and P. Natarajan, "**Deep Face Recognition: A Survey**," 2018 31st SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 2018, pp. 471-478, doi: 10.1109/SIBGRAPI.2018.00067.）： ![image-20210526000357643](./images/deep_face