1 有用
61 下载

[Java、Python 课程设计]基于人脸识别的员工考勤系统

文件列表(压缩包大小 796.32K)

免费

概述

[Java、Python 课程设计]基于人脸识别的员工考勤系统

目录 一、 需求分析 1. 产品描述 2. 产品需求分析 3. 产品预期目标 二、 总体设计 1. 基本思路 2. 遇到的问题与解决方案 3. 完整设计过程. 4. 流程图 三、 程序详细设计 1. 编写及测试环境 2. 程序依赖库 3. 调用函数清单 4. 函数调用关系 四、 程序运行结果测试与分析 1. 第一版程序(无 GUI 界面)展示 2. 第二版程序展示 五、 结论与心得 六、 程序源码及参考文献 1. 程序源码 2. 参考文献及资料

一、 需求分析

1. 产品描述

员工刷脸考勤系统。需要使用 Python 作为程序开发语言,能够通过摄像头添加员工信息并通过摄像头识别员工。另外拓展要求是能够导出每日考勤表。

2. 产品需求分析

程序要求使用 Python 作为编程语言,作为目前行业最流行的编程语言,使用 Python能够大大提高代码的可读性,提高编写效率,对于这种比较小的程序来说能够缩短开发周期。另外通过使用摄像头添加和识别员工,这就要求不能使用静态图片来添加信息而应该是实时监测,实时执行的系统。最后,扩展要求需要导出每日考勤表。这就需要程序具有读写表格的功能以及类似数据库的存储能力。

3. 产品预期目标

第一代版本应该具备调用摄像头实时监测人脸的能力,并且在用户的确认下能够自动为员工注册或签到,在后台数据库更新员工的签到状态,并能够手动或自动的导出考勤表。 第二代版本可以添加GUI界面使程序更易用,美观,降低学习成本和使用的复杂性。

二、 总体设计

  1. 基本思路

根据给出的要求,各个击破。首先要求使用摄像头收集信息,那么我们就使用OpenCV模块,利用该模块优秀的兼容性,我们能够通过函数调用任何笔记本的基础摄像设备从而提供视频流的输入。之后,我们考虑在人脸识别方面使用dlib库作为我们的基础识别工具,用于在摄像头开启的状态下对每一帧实时的检测人脸,得益于它的轻量化与易用性,这一项功能对系统的计算能力要求不高,可以应用于普通的嵌入式设备中。 关于接下来的员工注册环节,考虑到需要使用数据库或类似数据库的工具来保存员工信息,所以我们打算使用云端服务进行人脸的比对和数据库的建立。毕竟,如果数据库保存在本地有被篡改的风险,并且容量也是不容忽视的一点,经过多次比对,我们使用百度 AI 开放平台作为我们实现人脸比对+数据库功能的平台。云端加持,我们能够节省很多存储空间和运算能力,更加适合轻量化的设备。

  1. 遇到的问题与解决方案

a) 最初遇到的问题就是学习百度AI开放平台。我们最初担心学习成本比较高。但是在耐心阅读了相关开发文档后,我们发现百度人脸识别的接口简单易用,非常方便。另外,这个发开文档对于我们之后遇到的一系列疑问起到了很好的指导作用。 b) 第一个问题就是我们在测试百度 AI 平台人脸识别功能的时候,一直无法识别人脸图像。平台要求传入的图像必须是以 BASE64字符串或 URL 字符串或FACE_TOKEN 字符串的方式上传。我们选择了最普通的 BASE64 方式上传,但是传回的信息是:‘error_code:222203 image check fail’,在网上查找解决方案才了解到,我们使用的本地编码器得到的字符串不是 utf-8格式,云端无法扫描,于是我们添加了格式转换。问题解决。 c) 通过调用 dlib 库能够很好的实时监测人脸,起初我们打算在用户确认签到时将整个图像帧保存并上传,但是我们调用的云端功能只能识别一个人脸并与数据库比对,另外有一个多重比对的功能似乎并不能满足我们的需求,于是我们期望能够将确认的图像帧中所有的人头区域截取出来然后再依次上传。经过查阅,我们最后依据识别人脸提供的边框参数对图像进行裁剪然后记录下人脸数之后依次上传。并依次接收检测的参数。 d) 在后期想要加入 GUI 界面的时候我们使用的是 wxPython库,在网络上查看相关的设计代码的时候发现有的使用了类结构,有的直接上函数然后在主函数里画程序框,我们一开始不想封装成类,因为参数的修改工程浩大,但是在试验了后者(不使用类)的方法之后,我们发现不使用类无法满足设计要求,最后只能作罢。 e) GUI 界面制作好之后,我们开启摄像头的界面与主程序界面不是同一个,是另外弹出的。在指导老师的要求下,我们需要把图像嵌入在程序框中。这怎么嵌啊?搜索可行的方案之后才了解到,可以利用 OpenCV 在接受图片之后直接在程序框内画图像。多了这么一个过程,帧率比之前有所下降。 f) 在最后的程序优化中,有一处异常。在开启摄像头之前点击关闭摄像头会提示变量未定义,即抛出异常 AttributeError。这是因为类中的 camera 参数还没有被创建。那么我在这里就加了一个异常处理来规避这个问题。 g) 我们通过使用 os 库来获取文件的绝对路径,但是得到的字符串路径实际上是该文件所在文件夹的路径,要想对这个文件进行操作,仍需要手动在该路径后面添加文件名。 h) 如果人脸在程序中只有一半,但是用户仍然点击了注册,那么程序会报错。因为裁剪程序获取了推测的人脸边框数据,但是在裁剪的时候超出了边界,抛出异常 IndexError。为了处理这个异常,在检测到程序抛出 IndexError 异常后提示用户不要半张脸注册签到。

  1. 完整设计过程

首先拿到题之后我们根据前问所述的基本思路开始寻找能够使用的模块并依次对每一个模块进行测试,确保模块能够单独运行。首先考虑摄像头的问题,配置好 OpenCV 之后,测试了调用摄像头的代码,能够完美运行。 之后,开始测试百度 AI 开放平台提供的人脸识别接口。根据开发文档的指导,配置好了 baiduAPI 基础库,研究具体接口的用法。我们先在云端创建了一个人脸用户组,并且上传了一张我本人的照片作为测试。然后通过程序向云端发送另一张我的照片,在经历了上述的错误以及排错过程后,终于传回了SUCCESS 的信息。有趣的是,云端传回的处理结果是一个非常长的字典和列表多层嵌套的结构,我又专门复习了一遍字典的相关概念以及从这种结构中提取到想要的信息。最终我们提取的信息就是,识别状态,识别的人脸对应的名称。值得注意的是,员工在云端的人脸库注册的 ID 必须和本人姓名一致,否则在写入表格环节无法认证并修改签到状态。不过这是后话了。 接下来开始测试 dlib 库的人脸识别和人脸截取模块。网络上有一个可以参考的实时检测程序,他的代码很有借鉴意义,我简化了他的程序,仅仅是实时在画面中用方框标出人脸即可,这样既可以让用户很直观的看到程序识别出了人脸,而且简化了计算过程加快了。切割的代码是利用了dlib识别的时候返回的人脸的基本参数,然后利用 OpenCV 进行裁剪。测试的时候是输出到指定的目录。经测试,在单独运行之后能够在指定目录找到单独的人脸图像。 我们在这个时候打算先不做数据库及图表写入的模块,因为上述这些已经测试的模块,把它们整合起来的代码量已经不短了。于是,我们开始整合模块,写函数。 整个过程并不难,就是一些逻辑关系的判断和特定时候的调用。尤其需要注意的是部分语句的顺序,比如摄像头的开启和释放。 在完成之后就开始调试表格写入的功能了。在查阅了网上相关的 Python 操作Excel 表格的库,最终使用了 xlrd,xlwt,配合来读写 Excel 表格。首先在初始化程序的时候就联络云端数据库获取人脸库的 ID 列表然后创建表格并写入 ID。之后在每次注册成功之后,也就是云端传回 SUCCESS 的消息之后就在表格对应的 ID 后写入 Registered 以及从系统获取的当前时间。 这样,整个程序的所有模块就都已经整合了。开始添加一些优化的代码,添加了网络检查工具,因为整个程序必须需要网络环境,否则会报错。然后为了兼容所有设备,写了一个创建目录的函数,用于缓存图片文件和存储历史考勤日志,这个目录创建函数被作为初始化函数在程序打开时即运行并创建缓存目录。另外,我们还完善了员工的注册功能,如果有图像传到云端并识别失败,那么会展示为识别出人的头像,然后询问用户是否注册,如果用户注册,那么在用户输入这个人的姓名之后,自动上传图像为其注册。如果用户不注册,那么就将该图片上传至 guest 人脸图像组,ID 命名为检测时间。 这些全部做完之后,因为没有做 GUI 界面,所以还不太放心,于是开始在网上寻找 Python 相关的 GUI 模块。最终选定用 wxPython 模块制作图形界面。我们在网上找到了两种方法,一个是需要编写类的,这个类也是必须按照这个模块的格式来写,另一个就是不用编写类,直接在主函数里面画框。因为时间不多,我们选择了不使用类,因为如果用类的话,类内部的参数需要修改的地方太多了,直接编写更快一些,但是限制也颇多。向图形界面中融合了已经编写的内容之后,程序大体就完成了。 然后迎接老师的检查。最终老师给出的改进意见是把指令从图像上拿出来。原本在没有图形界面之前,我们的指令是嵌在摄像头的画面上的,为了融合图形界面,我们也就没有更改。另外一点,我们的图形界面点 open camera 的时候,摄像头程序框是单独再弹出来一个的,老师要求我们把这个摄像头框嵌入在程序里,不要再多弹出一个。根据老师的要求,我们具体做了如下的更改: a) 移除图像上的所有命令,把这些命令都转化为程序框中的按键。这可就有点麻烦了,因为我们没有用类,写按钮很麻烦。所以我们干脆一不做二不休,就使用了类。重新修改了所有参数,新写了一个类,在类中添加按钮方便多了。于是乎,我们把摄像头的开启,关闭,签到,注册以及使用说明都添加到了程序中。 b) 把视频流嵌入到程序中这个要求,经过网上的搜索,我们了解到,这个过程实际上是用 OpenCV 把获取的图像在程序框中一帧一帧的画一遍。经过一番研究之后终于在我们的程序上实现了这个功能。 c) 修补了程序中的一些逻辑漏洞。比如在没开摄像头的时候点关闭摄像头会提示,开启摄像头之后再点开启会提示。这里面的原理最开始是用简单的判断isOpend这样的函数返回值来确定是否开启或者关闭,但是后面就有一种情况发生,就是在没有打开摄像头的时候,这个类内部的camera变量还没定义,会有异常报出,提示变量未定义。于是我就在isOpend这个函数外面加上了异常处理,如果有未定义异常同样提示未开启,就完美解决了。 以上,便是我们程序设计的完整过程。

  1. 流程图

三、 程序详细设计

  1. 编写及测试环境 操作系统:macOS Mojave 10.14.6 IDE:PyCharm Professional 2019.01 Python 3.7

  2. 程序依赖库

    import wx # 图形界面依赖库
    import xlwt # Excel 表格写
    import xlrd # Excel 表格读
    import dlib # 人脸识别核心库
    import time # 用于获取当前时间
    import shutil # 文件的相关操作
    import numpy as np # 人脸识别相关
    import base64 # base64 编码器
    import os # 调用系统功能,路径,控制台等
    import cv2 # opencv,用于图像识别和摄像头等
    import matplotlib.pyplot as plt # 图像显示
    from PIL import Image # 图像处理配合 matplotlib 使用
    from aip import AipFace # AI core
    from xlutils.copy import copy # Excel 相关
    from tkinter import messagebox # 用于弹出简易的消息框
    

    除了注释标注的部分外,其余 import 的依赖库均是其本名,可以直接从 PyCharm 的集合库中搜索安装。

  3. 调用函数清单 (类)外部调用函数:

    def network_test():
    """
    临时起意想写的测试网络的小函数
    如果网络状态不好,则会在 message box 弹出消息要求网络连接。
    """
    def makedir():
    """
    初始化创建必需的缓存文件夹。包括截图文件夹,人脸分离文件夹、人脸检测缓存文件
    夹,考勤日志存储文件夹
    :return: 返回三种文件夹的路径 str
    """
    def initialize(client):
    """
    初始化函数,主要是在执行主程序前准备好出勤表格
    :param client: 为了从云端服务器获取员工信息并在本地建立表格
    :return: 返回获取的员工列表
    """
    def show_img(path):
    """
    辅助用函数,用于显示图片。入口参数为图片路径。用户不可修改路径,软件内置。
    :param path: 图片路径
    """
    def clear_images(path_save, path_cache):
    """
    清除所在文件夹的所有图片,用于初始化
    :param path_save: 截图存储路径
    :param path_cache: 缓存图片存储路径
    """
    def face_separate(cc_path, sep_path, detector):
    """
    人脸分离函数。主要功能是将人脸从静态图片中剪切并导出。
    :param cc_path: 缓存图片路径,用于存储原始图片
    :param sep_path: 被剪切的人脸图像保存路径
    :param detector: dlib 参数,此处用作入口参数传入减小代码重复率
    :return: 返回检测到的人脸数量
    """
    def face_recognize(client, read_path):
    """
    该模块用于人脸比对,利用百度 ai 人脸识别接口
    :param client: 百度 ai 客户端验证
    :param read_path: 人脸图片读取路径
    :return: 返回识别结果
    """
    def face_register(client, read_path, group_id, usr_name):
    """
    人脸注册模块,主要是向云端上传人脸图片以及自定义人名
    :param client: 减少复用,client 作为参数传入
    :param read_path: 上传图片的路径
    :param group_id:云端图片组名称
    10
    :param usr_name: 新注册用户名称
    :return: 返回注册结果
    """
    def live_cam_detect(sep_path, cc_path, usr_list, self):
    """
    程序核心函数,主要利用 opencv 使用摄像头,然后调用上述函数进行完整的程序过程
    :param self:在类中使用
    :param usr_list: 从参数入口传入初始化获取的员工列表
    :param sep_path: separate 路径
    :param cc_path: 缓存路径
    """
    

类内部调用函数:

def _learning_face(self,event):
 """
GUI 程序核心调用函数,用于开启摄像头并能够执行后续相关程序
 :param event: 类要求,实际并未显式调用
 """
def confirm_face(self, event):
 """
这个确认签到函数是在第二版程序最后加上的,因为要满足指令移除出摄像头画面的要
求,我们单独写了一个签到函数
实际上就是把第一个版本的注册函数单独从 live_cam_detect 中分离了出来做成一个按
钮
 :param event: 类要求,实际并未显式调用
 :return: 事实上这个函数是没有返回值的,只有 message box 对于当前状态
的提示
 只有在出错的情况话才会返回 1,表示出了问题
 """
def learning_face(self, event):
 """
使用多线程,子线程运行后台的程序,主线程更新前台的 UI,这样不会互相影响
 :param event: 类要求,实际并未显式调用
 """
def close_face(self,event):
 """
关闭摄像头,显示封面页
 :param event: 类要求,实际并未显式调用
 :return: 如果有异常抛出,则返回 1
 """
def view_log(self,event):
 """
查看当前日志记录,语句比较简单,利用控制台直接打开表格文件。
 :param event: 类要求,实际并未显式调用
 """
def about_us(self, event):
 """
就是弹出一个简单介绍作者基本信息的框
 :param event: 类要求,实际并未显式调用
 """
  1. 函数调用关系

文字描述:以最后一个版本的代码为例。整个程序的基础就是 wx 模块框架。首先初始化运行类mainApp 然后调用该类的唯一函数 OnInit(self)运行 wx frame 基类(class face_emotion)执行__init__画出一个程序框和基础的按键布局。执行initialize(client)创建表格,执行 clear_images(path_save,path_cache)清除缓存路径下的文件方便进一步操作。然后等待用户操作。”Open Camera”执行learning_face(self, event),该函数创建多线程任务并开始执行_learning_face(self,event)开始主程序阶段。执行 makedir()创建基础路径,紧接着执行核心函数live_came_detect(separate_path, cache_path, self.userlist, self)开启摄像头并等待进一步操作。用户按下 confirm 键,开始执行 confirm_face(self, event)为其进行签到或注册,首先是face_separate(cc_path, sep_path, detector)函数,分割人脸图像,然后执行 face_recognize(client, read_path)进行识别签到,如果数据库中没有此人,则提示是否注册,如果是,调用 show_img(path)显示陌生人的头像,请求用户输入人命。然后开始运行 face_register(client,read_path,group_id,usr_name)进行注册。点击close camera 按钮执行close_face(self, event)关闭摄像头。点击 View Log 执行view_log(self, event)打开当前状态的考勤表。点击 about us 执行 about_us(self,event)弹出简介消息框。

四、 程序运行结果测试与分析

  1. 第一版程序(无 GUI 界面)展示

程序开启,左侧为控制台输出信息

根据提示,点击 C 键确认签到,注意左侧的输出信息(我是 bruce)提示签到成功

换了一个没有录入的信息的同学,检测到没有匹配的图像(留意输出信息)

给出照片图像并询问姓名

注册成功

程序结束后,自动弹出该日考勤表

  1. 第二版程序展示

主界面

摄像头开启

Check in 按钮,签到成功

两个人一起 check in,先提示我签到成功

然后检测到另外一个同学是陌生人,询问是否注册

我们点击是,然后提示输入姓名

提示注册签到成功

点击 view log 弹出考勤日志

五、 结论与心得

首先拿到这道题之后,基本的思路就已经想到了。因为面部识别比对在我的印象里可能需要一定的计算量,所以我一开始就打算用云端的服务实现这个功能。不过后来在学习了 dlib 的相关用法之后发现,计算量似乎也并没有那么大,其他的一些思路都是在一边编写程序的时候,一边继续扩展想法的。距离上一个学期学 Python 已经过了三个多月,一些东西或许会忘记,但是当我真正开始写代码的时候,开始在网上查阅开发文档的时候,当时学的记的内容就都想起来了。 经过本次课程设计,我对 Python 的编程技能又重新巩固加强了。在这个过程中,我逐渐认识到,软件编写的过程中,强调的是逻辑的连贯性和程序的模块化。逻辑的连贯性指的就是在编写的过程中,要对整个程序的整体架构有所了解,这样对于我们这次这样走一步想一步的方法非常有好处,因为当我们走完一步之后,下一个方向自然就会在脑中呈现,一些复杂的逻辑实现起来,也并不绕。而对于程序的模块化的理解,则是在比较中产生的。另外一个朋友也做课设,但是很多都是直接借鉴了网上的整套体系或 者方法,首先第一点就是很难吃透或是跟上它的逻辑,另外一点就是调试的时候,不能分开分段调试,造成工作量巨大。如果我们能够逻辑清晰的把每个模块都分开进行测试的话,会节省很多调试的思考量和时间。 关于在调试的是过程中发现的一些问题,一部分我在之前的部分也有所提及。比如超过列表界限的这个异常,最开始并不知道什么原因。因为当时我们只是偶然的发现会报出 IndexError 的异常,经过定位之后,确认报错的代码是在截取人脸部分的,再进一步理解这个异常的触发因素,最终确定是在截取的时候超过了图片的下表界限。那么能导致这个因素的,也就只有半张脸在图像内会导致了。这是一个很典型的调试纠错过程,本次课程设计我们也有多次这样的排错经历,更加丰富了我们的调试经验。 不难发现,我在本次课程设计中承担的是主要的程序编写工作:)收获当然是要比做实验要更多,让我更加熟悉在这个领域一些基础的编程思想和方法,比如关于考勤系统的编程逻辑,关于人脸识别的基础的原理算法和应用方法。通过网上查阅别人的经验或是第三方组织的开发文档对于解决问题十分有效,因为首先别人的经验都是前人踩过的坑,有助于少走弯路。第三方的开发文档在使用他们写的工具的时候能够帮助你快速定位出错部位的具体功能和调用关系,这样不仅能够解决问题,还能同时掌握这一块工具的具体使用,对于后面的程序或是日后再使用大有益。 因为时间关系,我们在最后做 GUI 界面的时候,一些美化的元素可能并不是太好,没有来得及改进。另外,在完成了老师提出的要求后,其实还有一些瑕疵,比如我们的确是把视频流嵌入到了程序框中,但是程序框的大小和视频流的分辨率不匹配,所以每次开启摄像头的时候,程序框的大小都会变化,从原始大小扩大到摄像头视频的分辨率大小。这一点值得进一步研究改进。还有关于考勤表的机制,我们就是直接利用了读写Excel 表格的想法,我们可以把表格也嵌入到程序框中,随时调用查看,随时关闭,压缩内存成本,这也是一点还未完成的地方。我想在这个方面使用 Java 或许会更轻松一些。当然还有其他很多功能的扩展功能。

六、 程序源码及参考文献

  1. 程序源码 该程序现已开源,可自行阅览:https://github.com/BrucePoki/Attendance-system
  2. 参考文献及资料 [1]. Davis E. King. Dlib-ml: A Machine Learning Toolkit[J]. Journal of Machine Learning Research 10, pp. 1755-1758, 2009 [2]. Noel Rappin, Robin Dunn. wxPython in action[M]. British: Manning Publications, 2006:1-552. [3]. coneypo.Python3 利用 Dlib 实现摄像头实时人脸检测和平铺显示,2019-1-24. [4]. conetypo.Python3 利用 Dlib 实现人脸检测和剪切,2018-1-24. [5]. monster_ygs.Python 创建目录文件夹,2017-3-18. [6]. 仿佛泣雪如画.如何在 Python 中创建 Excel 表格,2018-7-31. [7]. yanyingli.python 中的 wx 模块,2019-2-1. [8]. Baidu.百度人脸识别 Python SDK 文档,2019. [9]. zhuzaiming2004.将 opencv 的视屏流嵌入 wxpython 的框架中,2018-11-12. [10].inspurer.WorkAttendanceSystem,System,2018-9.

转载自https://github.com/BrucePoki/Attendance-system

理工酷提示:

如果遇到文件不能下载或其他产品问题,请添加管理员微信:ligongku001,并备注:产品反馈

评论(0)

0/250