الصفحة الرئيسية>موارد بناء الموقع>بيانات الموقع
تنزيل

نظام الحضور القائم على الوجه

تطبيق ويب قائم على التعلم العميق لتمييز حضور الطلاب من خلال التعرف على وجوه الطالب من لقطات فيديو للمراقبة للفصول الدراسية.

ابدء

تطبيق ويب في Python للتعرف على وجوه الطالب في فصل دراسي من فيديو المراقبة ويميز الحضور في ورقة Excel. يتم استخدام خوارزميات التعلم العميق مثل MTCNN و FaceNet للكشف عن الوجه والتعرف على التوالي. واستخدام إطار Flask ، تم إنشاء تطبيق الويب.

الخوارزميات المستخدمة

  • MTCNN (شبكات عصبية تلافيفية متعددة المهام)
  • FaceNet

المتطلبات الأساسية

يجب تثبيت الأشياء التالية بشكل صحيح في جهازك.

  • Tensorflow
  • بيثون
  • قارورة
  • سكيبي
  • OpenCV
  • H5py
  • Matplotlib
  • وسادة
  • الطلبات
  • psutil

لتثبيت الحزم ، استخدم أمر pip install .

كيفية استخدام

الخطوة 1: إعداد مجموعة البيانات

يجب جمع وتخزين العدد المطلوب من الصور (على الأقل 10) لكل طلاب في مجلدات منفصلة. يجب تسمية المجلدات باسم الطلاب المعنيين. يمكن أن يكون المسار إلى المجلدات هو Root_folder/attendance/facenet/dataset/raw/

raw_folder

الخطوة 2: اكتشاف الوجوه وتوافقها

هنا يتم استخدام خوارزمية الكشف عن الوجه MTCNN . إنه يأخذ Root_folder/attendance/facenet/dataset/raw/ كمدخلات ويعيد Root_folder/attendance/facenet/dataset/aligned/ كإخراج. في الأساس ، يكتشف الوجوه ، ويحدد منطقة الوجه من كل صورة وتخزينها في الدليل المحاذاة.

تشغيل الأمر التالي في موجه الأوامر. 

$ python attendance/facenet/src/align/align_dataset_mtcnn.py 
attendance/facenet/dataset/raw attendance/facenet/dataset/aligned 
--image_size 160 --margin 32

محاذاة

محاذاة

الخطوة 3: تدريب الوجوه

يتم تغذية مجموعة بيانات الإخراج من الخطوة 2 في مصنف جهاز ناقل الدعم الذي يولد ناقل تضمين 512 الأبعاد لوجوه كل طالب ويدرب المصنف على المتجهات التي تم إنشاؤها.

تشغيل الأوامر التالية في موجه الأوامر. 

$ python attendance/facenet/src/classifier.py TRAIN 
attendance/facenet/dataset/aligned attendance/facenet/src/20180402-114759/  
attendance/facenet/src/20180402-114759/my_classifier.pkl 
--batch_size 1000 --min_nrof_images_per_class 10  --nrof_train_images_per_class 10 --use_split_dataset

الخطوة 4: مجلد التقرير

إنشاء مجلد فارغ يسمى التقارير . هذا مخصص لتخزين تقرير أوراق Excel عن الحضور ، والذي يتم إنشاؤه تلقائيًا عندما تتعرف خوارزمية FaceNet للطلاب. يتم تنفيذ هذا باستخدام وحدة XLSXWriter Python .

الخطوة 5: تشغيل تطبيق الويب

قم الآن بتشغيل تطبيق الويب بواسطة $ python run.py سيعرض عنوانًا محليًا مثل http://127.0.0.1:5000/ الذي سيكون عنوان URL لتطبيق الويب.

الخطوة 6: تخزين البيانات

أثناء تشغيل التطبيق ، يعيد التوجيه إلى الصفحة الرئيسية. في تلك الصفحة ، هناك ارتباط تشعبي تفاصيل فئة إضافة . في الأساس يطلب من المستخدم إدخال تفاصيل الطالب. يتم تخزين التفاصيل المقدمة في قاعدة بيانات SQLite .

ملاحظة: يجب أن يكون اسم كل طالب إدخاله هو نفس اسم مجموعة بيانات الطالب التي تم إنشاؤها في الخطوة 1 .

الخطوة 7: تحميل الصورة

عند الضغط على الارتباط التشعبي للاحتفاظ ، يعيد توجيهك إلى صفحة يحتاج المستخدم إلى تحميل صورة للفصل الدراسي.

ملاحظة: يجب أن تكون الصورة بدقة جيدة وأيضًا تحتوي على الوجوه الواضحة لجميع الطلاب.

نتيجة

بعد تحميل الصورة ، يستغرق الأمر وقتًا ما. يمكنك عرض تفاصيل خلفية التشغيل في موجه الأوامر. ثم ينشئ ورقة Excel في مجلد التقارير التي تحتوي على تفاصيل الحضور.

مراجع

  • https://github.com/davidsandberg/facenet
  • https://github.com/aisangam/facenet-real-time-face-face-recognition-using-deep-learning-tensorflow
  • https://github.com/abhijeet3922/face_id
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل