使用 C/C++、OpenCV 和 Libevent 构建联网人脸识别考勤系统 [特殊字符]‍[特殊字符]

使用 C/C++、OpenCV 和 Libevent 构建联网人脸识别考勤系统 👨‍💻

本文将详细介绍如何利用 C/C++、强大的计算机视觉库 OpenCV 和高性能的网络库 libevent，从零开始构建一个完整的人脸识别考勤系统。该系统能够通过摄像头实时识别人脸，并将考勤数据通过网络发送到服务器进行记录和管理。

核心技术栈 🛠️

C/C++: 主要的编程语言，以其高性能和对底层系统强大的控制力而著称。
OpenCV (Open Source Computer Vision Library): 用于处理所有与计算机视觉相关的任务，包括摄像头视频流的读取、人脸检测和人脸识别。
Libevent: 一个轻量级、事件驱动的高性能网络库，用于构建我们的考勤服务器，处理客户端（即人脸识别终端）的网络请求。
SQLite (可选): 一个轻量级的嵌入式数据库，用于在服务器端存储员工信息和考勤记录。

系统架构 🏛️

整个系统分为两个主要部分：

客户端 (人脸识别终端):
- 使用 OpenCV 从摄像头捕获实时视频。
- 进行人脸检测，识别人脸在视频帧中的位置。
- 提取人脸特征，并与数据库中的已知人脸进行比对。
- 识别成功后，将员工 ID 和时间戳等考勤信息发送到服务器。
服务器端:
- 使用 libevent 构建一个稳定高效的 TCP 服务器。
- 监听来自客户端的连接和数据请求。
- 接收客户端发送的考勤数据。
- 将考勤数据存入数据库（例如 SQLite）或文件中。
- (可选) 提供 API 接口用于查询考勤记录或管理员工信息。

<center>一个简单的系统架构示意图。</center>

步骤一：环境配置 ⚙️

在开始编码之前，你需要确保开发环境中已经安装了必要的库。

安装 OpenCV

在基于 Debian/Ubuntu 的系统上，可以使用 apt 进行安装：

bash 复制代码

sudo apt-get update
sudo apt-get install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install libopencv-dev

安装 Libevent

同样，在 Ubuntu/Debian 上：

bash 复制代码

sudo apt-get install libevent-dev

安装 SQLite3 (如果使用)

bash 复制代码

sudo apt-get install libsqlite3-dev

步骤二：人脸数据采集与训练

在进行识别之前，你需要一个包含员工人脸数据的数据库。

1. 人脸数据采集

你需要编写一个简单的脚本来采集每个员工的多张人脸图像。

启动摄像头。
使用 OpenCV 的 Haar 级联分类器 或 DNN 人脸检测器 来检测人脸。
当检测到人脸时，将其裁剪、转换为灰度图并保存为图像文件。文件名可以包含员工的 ID（例如 user.1.1.jpg, user.1.2.jpg...）。

关键代码片段 (data_collector.cpp):

cpp 复制代码

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main() {
    VideoCapture cap(0);
    if (!cap.isOpened()) {
        cerr << "Error: Camera not found!" << endl;
        return -1;
    }

    CascadeClassifier face_cascade;
    face_cascade.load("haarcascade_frontalface_default.xml"); // 需要下载此文件

    int user_id = 1; // 示例用户ID
    int count = 0;

    while (count < 50) { // 采集50张图片
        Mat frame;
        cap >> frame;
        if (frame.empty()) break;

        Mat gray;
        cvtColor(frame, gray, COLOR_BGR2GRAY);

        vector<Rect> faces;
        face_cascade.detectMultiScale(gray, faces, 1.1, 4);

        for (const auto& rect : faces) {
            rectangle(frame, rect, Scalar(255, 0, 0), 2);
            Mat face_roi = gray(rect);
            // 调整大小以统一尺寸
            resize(face_roi, face_roi, Size(200, 200), 1.0, 1.0, INTER_CUBIC);
            string file_name = "data/user." + to_string(user_id) + "." + to_string(count) + ".jpg";
            imwrite(file_name, face_roi);
            count++;
        }

        imshow("Face Collector", frame);
        if (waitKey(30) >= 0) break;
    }
    return 0;
}

2. 模型训练

采集到数据后，你需要训练一个人脸识别模型。OpenCV 提供了 cv::face::LBPHFaceRecognizer (局部二值模式直方图) 算法，它对于光照变化有很好的鲁棒性。

关键代码片段 (trainer.cpp):

cpp 复制代码

#include <opencv2/opencv.hpp>
#include <opencv2/face.hpp>
#include <iostream>
#include <vector>

using namespace cv;
using namespace cv::face;
using namespace std;

int main() {
    vector<Mat> images;
    vector<int> labels;
    // ... 此处添加代码以从 "data/" 目录读取所有图像和标签 ...
    // 示例： labels.push_back(1); images.push_back(imread("data/user.1.0.jpg", IMREAD_GRAYSCALE));

    Ptr<LBPHFaceRecognizer> model = LBPHFaceRecognizer::create();
    model->train(images, labels);
    model->save("attendance_model.yml"); // 保存训练好的模型

    cout << "Model trained successfully!" << endl;
    return 0;
}

步骤三：客户端开发 - 人脸识别与数据发送 👨‍💻

客户端是系统的核心交互部分。

1. 加载模型并识别人脸

程序启动时加载训练好的 .yml 模型文件。然后，实时捕获视频流，检测人脸，并使用模型进行预测。

cpp 复制代码

// ... 在主循环中 ...
Ptr<LBPHFaceRecognizer> model = LBPHFaceRecognizer::create();
model->read("attendance_model.yml"); // 加载模型

// ...
cvtColor(frame, gray, COLOR_BGR2GRAY);
vector<Rect> faces;
face_cascade.detectMultiScale(gray, faces, 1.1, 4);

for (const auto& rect : faces) {
    Mat face_roi = gray(rect);
    resize(face_roi, face_roi, Size(200, 200));

    int predicted_label = -1;
    double confidence = 0.0;
    model->predict(face_roi, predicted_label, confidence);

    if (confidence < 70) { // 设置一个置信度阈值
        string name = "User " + to_string(predicted_label);
        putText(frame, name, rect.tl(), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 255, 0), 2);
        // 此处触发发送考勤数据到服务器的逻辑
    } else {
        putText(frame, "Unknown", rect.tl(), FONT_HERSHEY_SIMPLEX, 1, Scalar(0, 0, 255), 2);
    }
    rectangle(frame, rect, Scalar(255, 0, 0), 2);
}
// ...

2. 连接服务器并发送数据

当识别成功后，我们需要创建一个简单的 TCP 客户端来连接 libevent 服务器并发送数据。

cpp 复制代码

#include <sys/socket.h>
#include <netinet/in.h>
#include <arpa/inet.h>
#include <unistd.h>
#include <string>

void send_attendance_data(int user_id) {
    int sock = 0;
    struct sockaddr_in serv_addr;
    char buffer[1024] = {0};

    if ((sock = socket(AF_INET, SOCK_STREAM, 0)) < 0) {
        printf("\n Socket creation error \n");
        return;
    }

    serv_addr.sin_family = AF_INET;
    serv_addr.sin_port = htons(8080); // 服务器端口

    // 将IPv4地址从文本转换为二进制形式
    if (inet_pton(AF_INET, "127.0.0.1", &serv_addr.sin_addr) <= 0) {
        printf("\nInvalid address/ Address not supported \n");
        return;
    }

    if (connect(sock, (struct sockaddr *)&serv_addr, sizeof(serv_addr)) < 0) {
        printf("\nConnection Failed \n");
        return;
    }

    string message = "ATTENDANCE:ID=" + to_string(user_id);
    send(sock, message.c_str(), message.length(), 0);
    close(sock);
}

步骤四：服务器端开发 - 使用 Libevent 接收数据 🌐

服务器使用 libevent 来高效地处理来自多个客户端的并发连接。

1. 设置 Libevent 服务器

我们需要设置一个 event_base，一个 evconnlistener 来监听新的连接，并为每个连接设置读写回调函数。

关键代码片段 (server.cpp):

cpp 复制代码

#include <event2/listener.h>
#include <event2/bufferevent.h>
#include <event2/buffer.h>
#include <arpa/inet.h>
#include <string.h>
#include <stdlib.h>
#include <stdio.h>
#include <errno.h>

// 读回调函数：当客户端发送数据时被调用
void read_cb(struct bufferevent *bev, void *ctx) {
    struct evbuffer *input = bufferevent_get_input(bev);
    size_t len = evbuffer_get_length(input);
    char *data = (char*)malloc(len + 1);
    evbuffer_remove(input, data, len);
    data[len] = '\0';

    printf("Received data: %s\n", data);

    // 在这里解析数据 "ATTENDANCE:ID=1"
    // 并将考勤信息写入数据库或文件
    // ...

    free(data);
}

// 事件回调函数：处理连接错误或 EOF
void event_cb(struct bufferevent *bev, short events, void *ctx) {
    if (events & BEV_EVENT_ERROR)
        perror("Error from bufferevent");
    if (events & (BEV_EVENT_EOF | BEV_EVENT_ERROR)) {
        bufferevent_free(bev);
    }
}

// 连接监听器回调：当有新连接时被调用
void listener_cb(struct evconnlistener *listener, evutil_socket_t fd,
    struct sockaddr *addr, int socklen, void *ctx) {
    struct event_base *base = evconnlistener_get_base(listener);
    struct bufferevent *bev = bufferevent_socket_new(base, fd, BEV_OPT_CLOSE_ON_FREE);

    bufferevent_setcb(bev, read_cb, NULL, event_cb, NULL);
    bufferevent_enable(bev, EV_READ | EV_WRITE);
}

int main() {
    struct event_base *base = event_base_new();
    if (!base) {
        fprintf(stderr, "Could not initialize libevent!\n");
        return 1;
    }

    struct sockaddr_in sin;
    memset(&sin, 0, sizeof(sin));
    sin.sin_family = AF_INET;
    sin.sin_addr.s_addr = htonl(0); // 监听所有接口
    sin.sin_port = htons(8080);     // 端口

    struct evconnlistener *listener = evconnlistener_new_bind(base, listener_cb, NULL,
        LEV_OPT_CLOSE_ON_FREE | LEV_OPT_REUSEABLE, -1,
        (struct sockaddr*)&sin, sizeof(sin));

    if (!listener) {
        perror("Couldn't create listener");
        return 1;
    }

    printf("Server listening on port 8080...\n");
    event_base_dispatch(base); // 启动事件循环

    evconnlistener_free(listener);
    event_base_free(base);

    return 0;
}

2. 编译与运行

你需要将所有源文件链接上对应的库来编译。

bash 复制代码

# 编译客户端
g++ -o attendance_client client_main.cpp -I/usr/include/opencv4 -lopencv_core -lopencv_imgproc -lopencv_highgui -lopencv_videoio -lopencv_objdetect -lopencv_face

# 编译服务器
g++ -o attendance_server server.cpp -levent

总结与展望 🚀

通过结合 OpenCV 的强大视觉处理能力和 libevent 的高性能网络功能，我们成功构建了一个功能完善且可扩展的人脸识别考勤系统。

未来可扩展的功能:

活体检测: 防止使用照片或视频进行欺骗。
更高级的人脸识别模型: 使用基于深度学习的模型（如 FaceNet, ArcFace）以获得更高的准确率。
Web 管理后台: 开发一个 Web 界面，用于管理员查看考勤报表、管理员工信息和人脸数据。
客户端 GUI: 为客户端添加更友好的图形用户界面。

希望这篇教程能为你提供一个清晰的起点，祝你编码愉快！