FaceNet based Attendance System

Sistem kehadiran berbasis facenet

Aplikasi web berbasis pembelajaran mendalam untuk menandai kehadiran siswa dengan mengenali wajah siswa dari rekaman video pengawasan kelas.

Memulai

Aplikasi web di Python karena mengenali wajah -wajah siswa di ruang kelas dari video pengawasan dan menandai kehadiran dalam lembar Excel. Algoritma pembelajaran yang mendalam seperti MTCNN dan Facenet masing -masing digunakan untuk deteksi dan pengakuan wajah . Dan menggunakan kerangka flask , aplikasi web dibuat.

Algoritma digunakan

• MTCNN (jaringan saraf konvolusional bertingkat multi-tugas)
• Facenet

Prasyarat

Hal -hal berikut perlu diinstal dengan benar di mesin Anda.

• Tensorflow
• Python
• Labu
• SCIPY
• opencv
• h5py
• matplotlib
• Bantal
• permintaan
• psutil

Untuk menginstal Paket Gunakan pip install Command.

Cara menggunakan

Langkah 1: Siapkan dataset

Jumlah gambar yang diperlukan (minimal 10) untuk setiap siswa harus dikumpulkan dan disimpan dalam folder terpisah. Folder harus disebutkan dalam nama siswa masing -masing. Jalur ke folder dapat berupa Root_folder/attendance/facenet/dataset/raw/

Langkah 2: Mendeteksi dan menyelaraskan wajah

Di sini algoritma deteksi wajah MTCNN digunakan. Dibutuhkan Root_folder/attendance/facenet/dataset/raw/ as input dan mengembalikan Root_folder/attendance/facenet/dataset/aligned/ sebagai. Pada dasarnya, mendeteksi wajah, menyelaraskan daerah wajah dari setiap gambar dan menyimpannya di direktori yang selaras.

Jalankan perintah berikut di prompt perintah.

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

Langkah 3: Melatih Wajah

Dataset output dari langkah 2 dimasukkan ke dalam classifier mesin vektor dukungan yang menghasilkan vektor embedding 512 dimensi untuk wajah masing -masing siswa dan melatih classifier pada vektor yang dihasilkan.

Jalankan perintah berikut di prompt perintah.

$ 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

Langkah 4: Laporkan folder

Buat folder kosong bernama Laporan . Ini untuk menyimpan laporan Excel Sheets tentang kehadiran , yang secara otomatis dihasilkan ketika algoritma FACENET mengakui para siswa. Ini diimplementasikan menggunakan modul XLSXWriter Python .

Langkah 5: Menjalankan Aplikasi Web

Sekarang jalankan aplikasi web dengan $ python run.py itu akan menampilkan alamat localhost seperti http://127.0.0.1:5000/ yang akan menjadi URL untuk aplikasi web.

Langkah 6: Menyimpan data

Saat menjalankan aplikasi, ia mengarahkan ke halaman beranda. Di halaman itu, ada Hyperlink Tambah Detail Kelas . Pada dasarnya ia meminta pengguna untuk memasukkan detail siswa. Detail yang disediakan disimpan dalam database SQLite .

Catatan: Nama setiap siswa yang dimasukkan harus sama dengan nama dataset siswa yang dibuat pada Langkah 1 .

Langkah 7: Mengunggah gambar

Saat menekan hyperlink yang hadir , itu mengarahkan Anda ke halaman di mana pengguna perlu mengunggah gambar kelas.

Catatan: Gambar harus dalam resolusi yang baik dan juga berisi wajah -wajah yang jelas dari semua siswa.

Hasil

Setelah mengunggah gambar yang dibutuhkan suatu saat untuk diproses. Anda dapat melihat detail latar belakang yang berjalan di prompt perintah. Kemudian ia membuat lembar Excel di folder Laporan yang berisi detail kehadiran.

Referensi

• https://github.com/davidsandberg/facenet
• https://github.com/aisangam/facenet-real-time-face-recognition-using-deep-learning-tensorflow
• https://github.com/abhijeet3922/face_id