FaceNet based Attendance System
1.0.0
基于深度学习的Web应用程序，可通过从教室的监视录像中识别学生的面孔来标记学生的出勤率。
Python的Web应用程序是通过监视视频中的教室中识别学生面孔的，并在Excel表中标记出席。 MTCNN和FACENET等深度学习算法分别用于面部检测和识别。并使用烧瓶框架，创建了Web应用程序。
以下内容需要正确安装在计算机中。
用于安装软件包，请使用pip install命令。
每个学生的所需图像数（至少10）应收集并存储在单独的文件夹中。这些文件夹应在各自的学生名称中命名。通往文件夹的路径可以是Root_folder/attendance/facenet/dataset/raw/
这里使用MTCNN面部检测算法。它将Root_folder/attendance/facenet/dataset/raw/作为输入，返回Root_folder/attendance/facenet/dataset/aligned/作为输出。基本上，它检测到面部，对齐每个图像的面部区域并将其存储在对齐目录中。
在命令提示符中运行以下命令。
$ python attendance/facenet/src/align/align_dataset_mtcnn.py
attendance/facenet/dataset/raw attendance/facenet/dataset/aligned
--image_size 160 --margin 32
步骤2的输出数据集被馈入支持向量机分类器，该分类器生成了每个学生面孔的512维嵌入向量，并在生成的向量上训练分类器。
在命令提示符中运行以下命令。
$ 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创建一个名为报告的空文件夹。这是为了存储出席的Excel床单报告，该报告将在FaceNet算法识别学生时自动生成。这是使用XLSXWriter Python模块实现的。
现在，通过$ python run.py运行Web应用程序，它将显示一个Localhost地址，例如http://127.0.0.1:5000/ ，这将是Web应用程序的URL。
在运行应用程序时，它将重定向到主页。在该页面上，有一个添加类详细信息超链接。基本上，它要求用户输入学生的详细信息。提供的详细信息存储在SQLite数据库中。
注意：输入的每个学生的名称应与步骤1中创建的学生数据集的名称相同。
按下参加参加的超链接时，它将您重定向到用户需要上传课堂图像的页面。
注意：图像应该是一个良好的分辨率，还包含所有学生的清晰面孔。
上传图像后，将需要一些时间来处理。您可以在命令提示符中查看运行的背景详细信息。然后，它在报告文件夹中创建一个Excel表，其中包含出席细节。
