网站建设与运营就业站长之家网站排行榜
目录
一、 项目介绍
1.1 项目名称
1.2 项目简介
1.3 项目物料
1.4 技术栈
二、 项目架构
三、项目细节
3.1 环境搭建
3.2 利用opencv实现摄像头调取及相关图像的采集
3.3 利用aips上传图像和结果返回
3.4 结果优化和处理
3.5 可扩展性
3.6 遗留问题和解释
四、声明
一、项目介绍
1.1 项目名称
《1:N人脸考勤机》
1.2 项目简介
基于windows平台下，使用PyCharmIDE完成开发工作，将提前准备好的照片上传百度云，借助百度aipSDK-Python实现和百度智能云的对接，实现摄像头采集人脸图片后上传百度云，在百度云中利用百度现有的人脸识别算法完成人脸的对比，之后借助SDK返回对比结果，将结果显示在客户端上。
1.3 项目物料
-
- 平台：windows
- 开发平台：PyCharm + Anaconda3（选装）
- 开发包：openCV2.4.9（Python）、aips（百度智能云人脸检测的SDK）
- 编程语言：Python
- 其他：识别对象的免冠正面照
1.4 技术栈
-
- 网络通信基本知识
- Python编程语言
- 百度智能云SDK（search函数等）
- OpenCV基于Python的接口的使用
1.5项目架构
上传百度云识别者照片--->图像采集--->图像处理--->上传百度云--->百度云对比--->返回对比结果--->结果处理--->显示结果。
三、项目细节
3.1 环境搭建
（1）安装PyCharm
1）安装
百度安全验证
- 创建人脸识别项目及配置
pycharm怎么创建新项目-百度经验
（2）安装百度智能云人脸检测的SDK(Python)
1）接口的下载和安装
人脸识别_人脸检测_人脸对比_人脸搜索_活体检测_百度智能云
（3）创建百度智能云应用
1）选择百度云对应功能和免费权限
A、手机应用市场安装“百度”app，注册一个账号，登陆
B、利用百度app扫码登陆以下网址中的账户：
人脸识别私有化部署包_支持百万级超大型人脸库-百度AI开放平台
登陆成功后会返回图一，点击“立即申请”进入以下界面。
- 创建应用
注意：如果之前安装SDK失败了，这里可以选择直接下载SDK即可，选择其中的“Python Http SDK”即可。
- 创建组
这个就是上边创建的应用。我们开始创建组。
点击确认
点击画圈的地方（组名）
这就是创建组内用户的菜单，点击任何一个方框都可以。
- 上传识别的对比资源
创建组和组用户均完成，到时候百度云会自动找到要求的组，在组中对比符合要求的用户，反馈结果。
- 获取应用的账号和密码
将其中的内容（AK和SK）复制出来保存好(保存在一个文本文档内即可，文档一定要保留好)
关于opencv如何下载，作者在这里作为伏笔，大家自行尝试，有问题试着解决一下哦。解决不了记得评论哦。
3.2 利用opencv实现摄像头调取及相关图像的处理
其中有详细的注释，请仔细阅读，如果有不明白的地方，评论区留言，作者一一回复。
3.3 利用aips上传图像和结果返回
图片为多张，注意通过行号来看，避免少看代码
3.4 结果优化和处理
在屏幕显示结果：
在上边的92行位置加入如下代码：
注意通过行号来判断对齐缩进的位置，避免代码从属问题。
3.5 效果展示
3.6 遗留问题和解释
如遇闪退，可以优化，可以找找看是什么问题。由于账号隐私问题，隐藏APP_ID\AK\SK三个参数。
源码：
# coding: utf-8
# author: alex_chenimport cv2 as cv
from aip import AipFace # 创建百度智能云客户端client
from aip.face import base64 # 调取图片格式转换工具
import timedef main():cap = cv.VideoCapture()cap.open(0) # 打开摄像头# 登陆百度智能云：APP_ID = 'xxxxxxxx'API_KEY = 'xxxxxxxxxxxxxxxxxxxxxxxxxx'SECRET_KEY = 'xxxxxxxxxxxxxxxxxxxxxxxxxxxxx'# 创建自已百度云应用的客户端，账号密码确定接入的是百度云的“人脸考勤”应用client = AipFace(APP_ID, API_KEY, SECRET_KEY)# 创建haar分类器：cf = cv.CascadeClassifier(r"D:\anaconda3\envs\ml_dl\Lib\site-packages\haarcascades\haarcascade_frontalface_alt2.xml")while cap.isOpened():flag, frame = cap.read() # 获取摄像头截取到的图片img = frame # 保留彩色原图frame <class 'numpy.ndarray'>gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY) # 灰度处理# cv.equalizeHist(gray_img,gray_img) # 直方图均衡化：这个可以不要，处理效果更好# 寻找特征（人脸）矩阵：allFaceRect = cf.detectMultiScale(gray_img,) #得到的视频中出现的所有的人脸，并且保存在numpy.ndarray中(矩形向量组)# print(type(allFaceRect[0])) # 图片中的第一张人脸# <class 'numpy.ndarray'> 没有脸的时候，返回()# 矩形跟随人脸样本来绘图：if allFaceRect is not ():x,y,w,h = allFaceRect[0] # 第一张人脸标识出来cv.rectangle(frame, (x, y), (x + w, y + h), (255, 255, 255))# for x, y, w, h in allFaceRect: # 标识出所有人脸# cv.rectangle(gray_img, (x, y), (x + w, y + h), (255, 255, 255)) # 在每张图片中找到人脸并标注正方形# 至此，找到了人脸，将人脸存放在一个容器face_img当中：face_img = gray_img[y:y+w,x:x+h] # 将第一张人脸保存下来check_result,img_encode = cv.imencode(".jpg", face_img) # 将找到的人脸进行编码存入缓存img_encode中。# print(type(img_encode),img_encode) # 查看在内存中的图片的数据类型。# 测试缓存中是否保存成功了:# res = cv.imdecode(img_encode,1)# cv.imshow("demo",res)# 人脸搜索# 1、将缓存区的图片img_encode转换为base64格式且返回处理后的图片：base64img_send_to_aiServer = base64.b64encode(img_encode)# 2、调用search()# 注意：search()函数的第一个参数是字符串！需要把base64的字节序转换成字符串res = client.search(bytes.decode(base64img_send_to_aiServer), "BASE64", "Teacher")# print(res,type(res)) # 得到处理的结果 # 返回的是一个字典类型。# 带参options：client.search(image, imageType, groupIdList, options) ----不用# imageType参数的值：# 图片类型 BASE64:图片的base64值，base64编码后的图片数据，编码后的图片大小不超过2M；---选择这个，将图片进行base64编码# URL:图片的 URL地址( 可能由于网络等原因导致下载图片时间过长)；# FACE_TOKEN: 人脸图片的唯一标识，调用人脸检测接口时，会为每个人脸图片赋予一个唯一的FACE_TOKEN，同一张图片多次检测得到的FACE_TOKEN是同一个# groupIdList参数： 人脸分组的序号，通过序号选择对应的组，如果要在多个组之间选择，则用逗号分隔序号# res_json:返回的是找到的人脸的相关信息（结果），格式json：# {# "face_token": "fid",# "user_list": [ 返回的所有找到的用户的列表# {# "group_id": "test1",# "user_id": "u333333",# "user_info": "Test User",# "score": 99.3 人脸匹配度（低于80即搜索失败）# } 每个用户都有这四个数据，多个user用逗号分隔# ]# }'''{'error_code': 0, 'error_msg': 'SUCCESS', 'log_id': 2253051395, 'timestamp': 1667464653,'cached': 0, 'result': {'face_token': '551d377ffeb0d24fed5b9dc07885203c', 'user_list': [{'group_id': 'Teacher','user_id': 'ChenBingXu','user_info': '', 'score': 97.605316162109}]}}'''if 'result' in res.keys():print(res['result'])name = res['result']['user_list'][0]['user_id'] #从数据中拿到返回的人脸匹配的姓名namecurrent_time = time.strftime("%Y.%m.%d %H:%M:%S",time.localtime(time.time())) # 获取系统时间print(name,current_time)cv.putText(frame,str(name)+" "+str(current_time),(0,50),cv.FONT_HERSHEY_SIMPLEX, 0.75, (255, 255, 255), 2)# 显示灰度图cv.imshow("demo", frame)key_pressed = cv.waitKey(5)# 按ESC退出：if key_pressed == 27:break# 关闭摄像头：cap.release()# 关闭窗口：cv.destroyAllWindows()if __name__ == '__main__':main() # 调用主函数
# print(cv.__file__) # 打印库位置，将haarcascade训练器样板导入
四、声明
仅供教学和个人学习爱好者作为基础入门材料使用，项目中内容不涉及任何企业及个人保密成分，不可用于商业用途，特此声明！如有盗版等问题必追究其法律责任，严禁抄袭剽窃等行为。