博主介绍：✌程序员徐师兄、7年大厂程序员经历。全网粉丝30W+、csdn博客专家、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和毕业项目实战✌
🍅文末获取源码联系🍅
👇🏻 精彩专栏推荐订阅👇🏻 不然下次找不到哟
2022-2024年最全的计算机软件毕业设计选题大全：1000个热门选题推荐✅
感兴趣的可以先收藏起来，还有大家在毕设选题，项目以及文档编写等相关问题都可以给我留言咨询，希望帮助更多的人
文章目录
-
- [1 简介](#1 简介)
- [2 技术栈](#2 技术栈)
- [3 人脸识别关键技术说明](#3 人脸识别关键技术说明)
- [4 具体实现](#4 具体实现)
-
- [1 人脸识别打卡](#1 人脸识别打卡)
- [2 登陆注册](#2 登陆注册)
- [3 用户管理](#3 用户管理)
- [4 查看考勤信息](#4 查看考勤信息)
- [5 发布考考勤信息](#5 发布考考勤信息)
- [6 签到信息](#6 签到信息)
- [6 推荐阅读](#6 推荐阅读)
- [7 源码获取：](#7 源码获取：)
1 简介
基于Python dlib的人脸识别的上课考勤管理系统（V2.0），是基于 Python 开发的，采用 dlib,face_recognition 识别技术，可以准确识别人脸。该项目功能完整，实用性较强。包括登陆注册、考勤签到、打卡，用户管理等功能。适合大学生实战项目使用。可供毕业设计参考。
基于Python dlib 的人脸识别上课考勤系统
2 技术栈
| 技术栈 | 说明 | 备注 |
|---|---|---|
| Djaongo | 作为后端接口 | Django 文档 Django 创建第一个项目 |
| PyMySQL | 链接 mysql | 【Python-数据分析】如何使用 pandas 快速读取 MySQL 数据表？ |
| html/js/css | 前端界面 | |
| dlib,face_recognition | 人脸识别技术 |
|
3 人脸识别关键技术说明
face_recognition是一款免费、开源、实时、离线的Python人脸识别库，是目前世界上最简洁的人脸识别库。
face_recognition是基于业内领先的C++开源库dlib中的深度学习模型，用人脸数据集进行测试，有高达99.38%的准确率。因此，安装face_recognition前需要安装dlib库。
face_recognition函数介绍
face_recognition做为目前最简单的人脸识别库（网站：https://github.com/ageitgey/face_recognition/），两行代码即可实现人脸识别：
text
import face_recognition
image = face_recognition.load_image_file("face.jpg")
face_locations = face_recognition.face_locations(image)
face_locations为（顶部、右侧、底部、左侧）顺序找到的人脸位置的元组列表face_recognition API 文档：https://face-recognition.readthedocs.io/en/latest/face_recognition.html
face_recognition只有几个函数：
face_recognition.load_image_file(file,mode='RGB')
加载图像，mode -- "RGB"（8 位 RGB，3 个通道）或 "L"（黑白）
face_recognition.face_locations(img,number_of_times_to_upsample=1,model='hog')
返回图像中每张人脸的人脸特征位置列表；
number_of_times_to_upsample -- 对图像进行多少次上采样以查找人脸。数字越大，人脸越小；
model -- "hog"不太准确，但在CPU上更快。"cnn"是GPU / CUDA加速的一个更准确的深度学习模型。
face_recognition.batch_face_locations(images, number_of_times_to_upsample=1, batch_size=128)
使用 cnn 人脸检测器批量识别图像中人脸边界框的 2D 数组。没有 GPU，则不需要此功能。
number_of_times_to_upsample -- 对图像进行多少次上采样以查找人脸。数字越大，人脸越小。
batch_size -- 每个 GPU 处理批处理中要包含的图像数。
**注意：**batch_size的上线取决于GPU显存的大小；如果GPU显存小，则减小batch_size值。
face_recognition.face_landmarks(face_image, face_locations=None, model='large')
返回图像中每张人脸的人脸特征位置（眼睛、鼻子等）的字典。
face_locations -- （可选）提供要检查的人脸位置列表。
model -- "large" (默认) 或 "small"仅返回5个点，但速度更快。
face_recognition.face_encodings(face_image, known_face_locations=None, num_jitters=1, model='small')
返回图像中每张人脸的 128 维人脸编码。
known_face_locations - 可选 - 每个面孔的边界框（如果已经知道它们）。
num_jitters -- 计算编码时重新采样人脸的次数。越高越准确，但速度越慢（即 100 表示慢 100 倍）。
model -- "large" (默认) 或 "small"仅返回5个点，但速度更快。
face_recognition.compare_faces(known_face_encodings, face_encoding_to_check, tolerance=0.6)
将人脸编码列表与候选编码进行比较，以查看它们是否匹配。
known_face_encodings -- 已知人脸编码的列表
face_encoding_to_check -- 与列表进行比较的单张脸编码
tolerance -- 将人脸之间的距离视为匹配。越低越严格。0.6 是典型的最佳值。
face_recognition.face_distance(face_encodings, face_to_compare)
给定人脸编码列表，将它们与已知的人脸编码进行比较，并得到每个比较人脸的欧氏距离。距离大小为面孔的相似程度。
face_encodings -- 要比较的人脸编码列表
face_to_compare -- 要与之进行比较的人脸编码
一、face_recognition安装
1.dlib安装：
CPU版：
CPU安装很简单pip3 install dlib
GPU版：
GPU版比CPU版速度快精度高、建议安装使用GPU版，但是GPU安装过程复杂
首先，需要正确安装CUDA和CUDNN，CUDA、CUDNN是必须要安装的（本人安装的是CUDA11.3）
另外，还需要VS编译环境（本人安装的VS2019）和CMake（pip3 install cmake）
之后就是dlib GPU版的编译和安装（cmd命令行操作）：
text
1.git clone https://github.com/davisking/dlib.git 或者 dlib C++ Library下载dlib库，解压后离线编译
2.cd dlib
3.mkdir build
4.cd build
5.cmake .. -DDLIB_USE_CUDA=1 -DUSE_AVX_INSTRUCTIONS=1
6.cmake --build .
7.cd..
8.python setup.py install2.face_recognition安装：
安装dlib后，安装face_recognition库
pip3 install face_recognition
4 具体实现
1 人脸识别打卡
人脸识别考勤，会通过前端界面调用打开摄像头，采集用户头像，后台实时，通过 python dlib 去对比用户头像，如果头像匹配上了，证明是同一个人，打卡成功
2 登陆注册
3 用户管理
管理员可以查看所有用户，并增加，删除用户的信息
4 查看考勤信息
5 发布考考勤信息
6 签到信息
6 推荐阅读
基于 SpringBoot+Vue的电影影城管理系统，附源码，数据库
7 源码获取：
大家点赞、收藏、关注、评论 啦 、查看 👇🏻获取联系方式👇🏻
👇🏻 精彩专栏推荐订阅👇🏻 不然下次找不到哟
2022-2024年最全的计算机软件毕业设计选题大全：1000个热门选题推荐✅
感兴趣的可以先收藏起来，还有大家在毕设选题，项目以及文档编写等相关问题都可以给我留言咨询，希望帮助更多的人