หน้าแรก>แหล่งข้อมูลการสร้างเว็บไซต์>ข้อมูลเว็บไซต์
ดาวน์โหลด

ระบบการเข้าร่วมประชุม Facenet

เว็บแอปพลิเคชันที่ใช้ การเรียนรู้อย่างลึกซึ้ง สำหรับการทำเครื่องหมายการเข้าร่วมของนักเรียนโดยการจดจำใบหน้าของนักเรียนจากวิดีโอการเฝ้าระวังวิดีโอในห้องเรียน

เริ่มต้น

เว็บแอปพลิเคชันใน Python สำหรับการจดจำใบหน้าของนักเรียนในห้องเรียนจากวิดีโอการเฝ้าระวังและทำเครื่องหมายการเข้าร่วมในแผ่นงาน Excel อัลกอริทึมการเรียนรู้อย่างลึกซึ้งเช่น MTCNN และ Facenet ใช้สำหรับ การตรวจจับใบหน้า และ การรับรู้ ตามลำดับ และการใช้ เฟรมเวิร์ก Flask แอปพลิเคชันถูกสร้างขึ้น

อัลกอริทึมที่ใช้

  • MTCNN (เครือข่ายนิวรัลแบบ cascaded cascaded)
  • หน้า

ข้อกำหนดเบื้องต้น

สิ่งต่อไปนี้จะต้องติดตั้งอย่างถูกต้องในเครื่องของคุณ

  • เทนเซอร์โฟลว์
  • งูหลาม
  • ขวด
  • คนขี้เกียจ
  • opencv
  • H5PY
  • matplotlib
  • หมอน
  • การร้องขอ
  • เครื่องปูนขาว

สำหรับการติดตั้งแพ็คเกจใช้คำสั่ง pip install

วิธีใช้

ขั้นตอนที่ 1: เตรียมชุดข้อมูล

จำนวน ภาพ ที่ต้องการ (อย่างน้อย 10) สำหรับนักเรียนแต่ละคนควรได้รับการรวบรวมและเก็บไว้ในโฟลเดอร์แยก โฟลเดอร์ควรมีชื่อในชื่อนักเรียนที่เกี่ยวข้อง Path to Folders สามารถเป็น Root_folder/attendance/facenet/dataset/raw/

raw_folder

ขั้นตอนที่ 2: ตรวจจับและจัดแนวใบหน้า

ที่นี่ใช้ อัลกอริทึมการตรวจจับใบหน้า MTCNN ต้องใช้ Root_folder/attendance/facenet/dataset/raw/ เป็นอินพุตและส่งคืน Root_folder/attendance/facenet/dataset/aligned/ เป็นเอาต์พุต โดยทั่วไปจะ ตรวจพบ ใบหน้า จัด แนวใบหน้าของแต่ละภาพและ เก็บไว้ ในไดเรกทอรีที่จัดเรียง

เรียกใช้คำสั่งต่อไปนี้ในพรอมต์คำสั่ง 

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

จัดตำแหน่ง _folder

จัดตำแหน่ง _faces

ขั้นตอนที่ 3: การฝึกอบรมใบหน้า

ชุดข้อมูลเอาท์พุทจาก ขั้นตอนที่ 2 จะถูกป้อนเข้าสู่ ตัวจําแนกเครื่องเวกเตอร์ที่สนับสนุน ซึ่งสร้าง เวกเตอร์ฝังมิติ 512 มิติ สำหรับใบหน้าของนักเรียนแต่ละคนและ ฝึกอบรม ตัวจําแนกบนเวกเตอร์ที่สร้างขึ้น

เรียกใช้คำสั่งต่อไปนี้ในพรอมต์คำสั่ง 

$ 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

ขั้นตอนที่ 4: โฟลเดอร์รายงาน

สร้างโฟลเดอร์ที่ว่างเปล่าชื่อ รายงาน นี่คือการจัดเก็บ รายงาน Excel Sheets ของการเข้าร่วม ซึ่งสร้างขึ้นโดยอัตโนมัติเมื่ออัลกอริทึม Facenet รับรู้นักเรียน สิ่งนี้ถูกนำมาใช้โดยใช้ โมดูล XLSXWriter Python

ขั้นตอนที่ 5: เรียกใช้เว็บแอปพลิเคชัน

ตอนนี้เรียกใช้เว็บแอปพลิเคชันโดย $ python run.py มันจะแสดงที่อยู่ localhost เช่น http://127.0.0.1:5000/ ซึ่งจะเป็น URL สำหรับเว็บแอป

ขั้นตอนที่ 6: จัดเก็บข้อมูล

ในขณะที่เรียกใช้แอปพลิเคชันมันจะเปลี่ยนเส้นทางไปยังโฮมเพจ ในหน้านั้นมีการเชื่อมโยง หลายมิติรายละเอียดคลาส โดยทั่วไปจะขอให้ผู้ใช้ป้อนรายละเอียดของนักเรียน รายละเอียดที่ให้ไว้จะถูกเก็บไว้ใน ฐานข้อมูล SQLite

หมายเหตุ: ชื่อ ของนักเรียนแต่ละคนที่ป้อนควรจะเหมือนกับ ชื่อของชุดข้อมูลของนักเรียน ที่สร้างขึ้นใน ขั้นตอนที่ 1

ขั้นตอนที่ 7: อัพโหลดรูปภาพ

ในการกด ไฮเปอร์ลิงก์นำเข้าร่วม จะนำคุณไปยังหน้าเว็บที่ผู้ใช้ต้องการอัปโหลดรูปภาพของห้องเรียน

หมายเหตุ: ภาพควรมีความละเอียดที่ดีและยังมีใบหน้าที่ชัดเจนของนักเรียนทุกคน

ผลลัพธ์

หลังจากอัพโหลดภาพมันใช้เวลาในการประมวลผล คุณสามารถดูรายละเอียดพื้นหลังการทำงานในพรอมต์คำสั่ง จากนั้นมันจะสร้างแผ่น Excel ในโฟลเดอร์รายงานซึ่งมีรายละเอียดการเข้าร่วม

การอ้างอิง

  • https://github.com/davidsandberg/facenet
  • https://github.com/aisangam/facenet-real-time-face-recognition-using-deep-learning-tensorflow
  • https://github.com/abhijeet3922/face_id
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด