您现在的位置是:主页 > Web前端技术 > Web前端技术

Python如何搭建人脸识别考勤系统开发技术

IDCBT2021-12-29服务器技术人已围观

简介这篇文章给大家分享的是有关Python如何搭建人脸识别考勤系统的内容。小编觉得挺实用的,因此分享给大家做个参考,一起跟随小编过来看看吧。 人脸识别的实际应用 人脸识别目前正被

这篇文章给大家分享的是有关Python如何搭建人脸识别考勤系统的内容。小编觉得挺实用的,因此分享给大家做个参考,一起跟随小编过来看看吧。

      人脸识别的实际应用

      人脸识别目前正被用于让世界更安全、更智能、更方便。

      有几个用例:

        寻找失踪人员

        零售犯罪

        安全标识

        识别社交媒体上的帐户

        考勤系统

        识别汽车中的驾驶员

        根据性能和复杂性,有多种方法可以执行面部识别。

        传统人脸识别算法:

        在 1990 年代,整体方法被用于人脸识别。手工制作的局部描述符在 1920 年代初期开始流行,然后在 2000 年代后期采用局部特征学习方法。目前广泛使用并在OpenCV中实现的算法如下:

          Eigenfaces (1991)

          Local Binary Patterns Histograms (LBPH) (1996)

          Fisherfaces(1997)

          Scale Invariant Feature Transform (SIFT) (1999)

          Speed Up Robust Features (SURF)(2006)

          每种方法都遵循不同的方法来提取图像信息并将其与输入图像进行匹配。

          Fischer-faces和Eigenfaces与 SURF 和 SIFT 具有几乎相似的方法。

          LBPH 是一种简单但非常有效的方法,但与现代人脸识别器相比,速度较慢。

          与现代人脸识别算法相比,这些算法并不快。传统算法不能仅通过拍摄一个人的单张照片来训练。

          人脸识别深度学习:

          一些广泛使用的基于深度学习的人脸识别系统如下:

            DeepFace

            DeepID series of systems

            VGGFace

            FaceNet

            人脸识别器一般是在人脸图像中找出重要的点,如嘴角、眉毛、眼睛、鼻子、嘴唇等。这些点的坐标称为五官点,这样的点有66个。这样,寻找特征点的不同技术给出不同的结果。

            来源:https://www.pinterest.com/mrmosherart/face-landmarks/

            人脸识别模型涉及的步骤:

            1.人脸检测:定位人脸并在人脸周围绘制边界框并保留边界框的坐标。

            2.人脸对齐:标准化人脸以与训练数据库一致。

            3.特征提取:提取将用于训练和识别任务的人脸特征。

            4.人脸识别: 将人脸与准备好的数据库中的一张或多张已知人脸进行匹配。

            在传统的人脸识别方法中,我们有单独的模块来执行这 4 个步骤。在本文中,你将看到一个将这 4 个步骤组合在一个步骤中的库。

            构建人脸识别系统的步骤安装库

            我们需要安装 2 个库来实现人脸识别。

            dlib : dlib是一个现代 C++ 工具包,包含机器学习算法和工具,用于在 C++ 中创建复杂的软件以解决实际问题。

            # installing dlib 
            pip install dlib

            脸部识别:将face_recognition库,创建和维护 Adam Geitgey,包含了dlib人脸识别功能。

            标签:

            很赞哦! ()

本栏推荐