Attendance using Face

face_recognition_attendance_system

基本方法

这是我试图建立教室或办公室出勤的面部识别系统的尝试。该系统基于一种特殊类型的CNN体​​系结构，称为暹罗网络。鉴于将A的面部图像适当地对齐和裁剪，因此对这样的网络进行了训练，以生成非常准确且几乎独特的128矢量。
然后，训练了另一个密集的神经网络，以输入这些嵌入。第二个神经网络仅用于分类。然后，由系统识别的人，他/她在系统中的出席人数增加了1。
关闭系统时，会产生由所有学生出席的Excel文件。

取自深度学习。
您可以观看这些视频。安德鲁·恩（Andrew Ng）教授对这些网络提供了很好的解释。

嵌入发生器

我已经从Nyoki-Mtl Githubu下载了验证的面部模型
该网络在一个非常大的数据集上估计，并且为特定面孔提供了独特的128维矢量，鉴于馈送给它的图像仅裁剪到面部区域并被染色。此NetOwrk的图像的输入大小为160x160x3

面部检测

通过使用OpenCV的Haar级联，可以实现面部检测。面部检测Haarcascade用于检测面部，该检测到的区域被喂给嵌入发生器。

第二神经网

第二个神经网络具有密集的体系结构，用于分类。第二个神经网络输入了128维矢量，并将面部概率成为学生之一。第二个神经网络的体系结构是

出勤率的更新

使用的数据库是mongodb。 Pymongo用于添加，删除记录并增加特定学生的出勤率。

CSV文件生成

关闭应用程序后，生成Excel文件。此Excel文件包含所有学生的出席。

要求的人

安装要求

1. 根据您的操作系统启动CMD终端。

2. 如果您有NVIDIA GPU，请确保您有Tensorflow GPU安装的先决条件（请参阅官方网站）。然后使用此commmand

   PIP安装-R Euncess_gpu.txt

3. 如果您没有GPU，请使用此命令

 pip install -r requirements_cpu.txt

除此之外，您还必须在系统中安装mongoDB。

想自己运行

1）安装所有要求

2）制作一个名为“人”的文件夹，没有报价

3）现在运行生成_training_data.py，当运行此操作时，输入人的名称，然后是从零开始的索引，如果我想为“ ravi”生成数据，我将写“ ravi0”，然后为下一个名称写入“ secondname1”，只要确保给每个人的索引越来越多。现在将所有这些文件夹放入People文件夹中

4）现在在Trainer中。Py根据文件夹数量更改类数，然后运行Trainer.py

5）该模型将进行训练。

6）现在使用MongoDB创建数据库。输入所有名字，出席。这可以通过
a）创建一个名为“新”的数据库
b）创建一个名为“ PA”的集合
c）添加肠道。对于例如db.pa.insert（{“ name”：“ satinder”，“出勤”：0}）

7）现在打开识别器。py并根据您的数据更改字典“ A”和人员。数组“ a”的关键是人的索引，数据是一个指示变量，用于指示在特定会话中，如果参加了该会议。

8）字典“人”是自我解释的。

9）识别识别人。他们的出勤率将在MongoDB数据库中注册。

结果

在数据库中更新出席

喜欢它

如果您喜欢它，您肯定也喜欢我的其他存储库。您还可以查看我的YouTube频道“反应堆科学”。如果您有任何疑问，可以在我的Facebook页面“反应堆科学”上与我联系

参考

1）Francois Chollet的Python深入学习
2）Keras.io
3）coursera的深度学习（Andrew Ng教授）
4）斯坦福大学的CS231N
5）Pyimagesearch.com（Adrian Rosenberg）
6）Brandon Amos（github：https：//github.com/bamos）