Python实现的人脸识别打卡系统

简介

人脸识别技术能够实现高精度的人脸识别和检测，应用广泛。本文将介绍如何使用Python语言实现一个简单的人脸识别打卡系统。

环境准备

• Python 3.5+
• OpenCV 4.x
• face_recognition（Python人脸识别库）

实现步骤

步骤1：数据收集和预处理

收集一些图像用于训练系统。对这些图像进行人脸检测和特征提取，并保存到csv文件中。

示例代码：

import face_recognition
import cv2
import os
import numpy as np

# 数据收集: 将已知人物的图像读入并处理
known_face_encodings = []
known_face_names = []
for dirpath, dirnames, filenames in os.walk("known_faces"):
    for name in filenames:
        path = os.path.join(dirpath, name)
        image = face_recognition.load_image_file(path)
        face_locations = face_recognition.face_locations(image)
        face_encodings = face_recognition.face_encodings(image, face_locations)
        known_face_encodings.extend(face_encodings)
        known_face_names.extend([os.path.splitext(name)[0]] * len(face_encodings))

# 预处理: 将数据保存到csv文件中
np.savetxt("known_faces_encodings.csv", known_face_encodings, delimiter=",")
np.savetxt("known_faces_names.csv", known_face_names, fmt="%s")

步骤2：数据训练和模型保存

使用已经预处理好的csv文件，训练一个SVM分类器，并保存到文件中。

示例代码：

import numpy as np
from sklearn import svm

# 数据训练：读入已知数据，并训练SVM分类器
X = np.loadtxt("known_faces_encodings.csv", delimiter=",")
y = np.loadtxt("known_faces_names.csv", dtype=str)
clf = svm.SVC(gamma='scale')
clf.fit(X, y)

# 模型保存：将训练好的模型保存到文件中
joblib.dump(clf, "face_recognition_svc.pkl")

步骤3：实时人脸识别

打开摄像头，实时检测画面中的人脸，进行识别确认。

示例代码：

import cv2
import face_recognition
import joblib

# 加载SVM分类器和已知人脸的编码
clf = joblib.load("face_recognition_svc.pkl")
known_face_encodings = np.loadtxt("known_faces_encodings.csv", delimiter=",")

# 使用OpenCV打开摄像头，实时检测人脸并识别
video_capture = cv2.VideoCapture(0)
while True:
    # 读取摄像头画面，进行人脸检测和编码
    ret, frame = video_capture.read()
    small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)
    face_locations = face_recognition.face_locations(small_frame)
    face_encodings = face_recognition.face_encodings(small_frame, face_locations)

    # 遍历所有人脸编码，进行分类预测和识别
    for face_encoding in face_encodings:
        name = clf.predict([face_encoding])
        distance = face_recognition.face_distance(known_face_encodings, face_encoding)

        # 如果预测的人脸与已知人物匹配，并且距离比较小则认为已识别
        if name in known_face_names and min(distance) < 0.6:
            cv2.rectangle(frame, (left*4, top*4), (right*4, bottom*4), (0, 255, 0), 2)
            font = cv2.FONT_HERSHEY_DUPLEX
            cv2.putText(frame, name[0], (left*4+6, bottom*4-6), font, 2.0, (0, 255, 0), 1)

    # 显示识别结果
    cv2.imshow("video_capture", frame)
    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

# 释放摄像头并关闭窗口
video_capture.release()
cv2.destroyAllWindows()

总结

人脸识别技术已经广泛应用于打卡系统、安防、认证等场景。通过本文，我们介绍了如何使用Python编写一个简单的人脸识别打卡系统。在实现过程中，我们通过数据收集、预处理、训练和识别等步骤，实现了一个简单而实用的系统。