Attendance using Face

face_recognition_attendance_system

基本方法

這是我試圖建立教室或辦公室出勤的面部識別系統的嘗試。該系統基於一種特殊類型的CNN體​​系結構，稱為暹羅網絡。鑑於將A的面部圖像適當地對齊和裁剪，因此對這樣的網絡進行了訓練，以生成非常準確且幾乎獨特的128矢量。
然後，訓練了另一個密集的神經網絡，以輸入這些嵌入。第二個神經網絡僅用於分類。然後，由系統識別的人，他/她在系統中的出席人數增加了1。
關閉系統時，會產生由所有學生出席的Excel文件。

取自深度學習。
您可以觀看這些視頻。安德魯·恩（Andrew Ng）教授對這些網絡提供了很好的解釋。

嵌入發生器

我已經從Nyoki-Mtl Githubu下載了驗證的面部模型
該網絡在一個非常大的數據集上估計，並且為特定面孔提供了獨特的128維矢量，鑑於饋送給它的圖像僅裁剪到面部區域並被染色。此NetOwrk的圖像的輸入大小為160x160x3

面部檢測

通過使用OpenCV的Haar級聯，可以實現面部檢測。面部檢測Haarcascade用於檢測面部，該檢測到的區域被餵給嵌入發生器。

第二神經網

第二個神經網絡具有密集的體系結構，用於分類。第二個神經網絡輸入了128維矢量，並將面部概率成為學生之一。第二個神經網絡的體系結構是

出勤率的更新

使用的數據庫是mongodb。 Pymongo用於添加，刪除記錄並增加特定學生的出勤率。

CSV文件生成

關閉應用程序後，生成Excel文件。此Excel文件包含所有學生的出席。

要求的人

安裝要求

1. 根據您的操作系統啟動CMD終端。

2. 如果您有NVIDIA GPU，請確保您有Tensorflow GPU安裝的先決條件（請參閱官方網站）。然後使用此commmand

   PIP安裝-R Euncess_gpu.txt

3. 如果您沒有GPU，請使用此命令

 pip install -r requirements_cpu.txt

除此之外，您還必須在系統中安裝mongoDB。

想自己運行

1）安裝所有要求

2）製作一個名為“人”的文件夾，沒有報價

3）現在運行生成_training_data.py，當運行此操作時，輸入人的名稱，然後是從零開始的索引，如果我想為“ ravi”生成數據，我將寫“ ravi0”，然後為下一個名稱寫入“ secondname1”，只要確保給每個人的索引越來越多。現在將所有這些文件夾放入People文件夾中

4）現在在Trainer中。 Py根據文件夾數量更改類數，然後運行Trainer.py

5）該模型將進行訓練。

6）現在使用MongoDB創建數據庫。輸入所有名字，出席。這可以通過
a）創建一個名為“新”的數據庫
b）創建一個名為“ PA”的集合
c）添加腸道。對於例如db.pa.insert（{“ name”：“ satinder”，“出勤”：0}）

7）現在打開識別器。 py並根據您的數據更改字典“ A”和人員。數組“ a”的關鍵是人的索引，數據是一個指示變量，用於指示在特定會話中，如果參加了該會議。

8）字典“人”是自我解釋的。

9）識別識別人。他們的出勤率將在MongoDB數據庫中註冊。

結果

在數據庫中更新出席

喜歡它

如果您喜歡它，您肯定也喜歡我的其他存儲庫。您還可以查看我的YouTube頻道“反應堆科學”。如果您有任何疑問，可以在我的Facebook頁面“反應堆科學”上與我聯繫

參考

1）Francois Chollet的Python深入學習
2）Keras.io
3）coursera的深度學習（Andrew Ng教授）
4）斯坦福大學的CS231N
5）Pyimagesearch.com（Adrian Rosenberg）
6）Brandon Amos（github：https：//github.com/bamos）