FaceAttend

基于面部识别的出勤系统

详细项目在这里工作... https：//www.youtube.com/watch?v=0ADSRSF_MHW&t=9s

项目包含两个使用烧瓶和python3开发的WebApp。（http://flask.pocoo.org/）

使用的数据库：MySQL社区版。

对于面部重新认知，我使用了AgeItgey的Python3“ face_recogntion”。该模型在野生基准中的标记面上的精度为99.38％。

对于欺骗检测，我通过重新训练的最后一层使用TensorFlow Inception模型，以便它可以检测图像中的手机。（https://www.tensorflow.org/tutorials/image_recognition）

为了生成和管理Excel，我使用了XLRX，XLRD和PANDAS。

为了发送电子邮件，我使用了烧瓶。（https://pythonhosted.org/flask-mail/）

管理站点依赖性：烧瓶，mysqlclient，sklearn，numpy，scipy，枕头，dlib，face_recognition

教师网站依赖性：flask_bootstrap，pytz，xlsxwriter，pandas，blask_mail，tensorflow，xlrd

这个项目主要有两个网络应用程序，一个是管理站点，另一个是老师的网站。

整个概念是在入学时，应注册学生的详细信息，例如他的姓名电子邮件地址，并通过输入他的滚动ID并拍摄其正面面部的训练数据，然后WebApp会自动为该特定的滚动ID创建模型，并将其保存在Server上，该模型是为每个学生创建的模型，该模型的大小约为8KB。管理员还可以使用此网站注册教师。

现在使用老师的网站（将在老师真正进入课程时使用），老师必须先登录，然后单击“出勤”选项卡之后，将没有后背按钮，因为老师会将电话传递给学生。

然后，学生的将只需要单击一个snap Enter class和roll ID，然后按Enter标记他们的态度即可。

之后，还有一个欺骗攻击面部识别的问题，即有人会通过手机显示某人的脸部形象并欺骗我们的WebApp，他们将标志着不在的朋友的参加。

但是我使用TensorFlow，通过训练Inception来检测图像中的手机来解决此问题，然后在学生单击“ snap a”中，我在WebApp中使用了该模型，它将首先检查面是否为欺骗或原始。为了重新训练Inception的最后一层，我使用了200张移动电话的图像，然后将其馈送到Tensorflow以重新训练启动的最后一层。要执行此操作，请按照https://codelabs.developers.google.com/codelabs/tensorflow-for-poets/#0立即下载200张图像，请使用Fatkun-Batch-DOLANLOAD CHROME扩展名。

现在，在学生完成之后。然后，老师可以再次登录，然后去报告的标签查看出席。这里有几种选择。

如果老师想查看今天的参加活动，只需选择日期和时间即可查看出席率。而且，还有一个选项可以以Excel表单下载“参加表”，然后在老师需要的某个时间进行任何更改后再次重新上传。而且老师还可以看到他或她的演讲的全部出勤率。这样他们就可以分析到目前为止特定班级参加的每个学生有多少个讲座。

另一个功能是，老师可以通过选择课程并单击“发送邮件”按钮来发送给所有父母以及学生的出勤电子邮件。