人脸识别 宿舍门禁系统(python qt opencv带数据库)

最新更新 其他版本基于retinaface,卷神经网络余弦相似度人脸匹配

文章：
retinaface+arcfae实现的人脸系统 人脸考勤 人脸打卡 宿舍管理 人脸信息管理系统
不同版本打包程序：
人脸识别信息系统+数据库+ui设计+全代码
人脸识别+活体检测+信息查询.
人脸识别 人脸眼镜贴图 人脸跟踪
神经网络人脸考勤系统，信息录入，考勤
人脸识别 学生信息登记系统 pyqt5 opencv sql
qq群686070107

本文章版本预览

点击下载源代码

视频效果

人脸识别 宿舍门禁系统( pyqt opencv带数据库）

一.界面设计 使用Qt Designer（源代码内有设计文件ui):

二.人脸检测模块 opencv-dnn

OpenCV在DNN模块中提供了基于残差SSD网络训练的人脸检测模型，该模型分别提供了tensorflow版本，caffe版本，torch版本模型文件。

其中tensorflow版本的模型做了更加进一步的压缩优化，大小只有2MB左右，非常适合移植到移动端使用，实现人脸检测功能，而caffe版本的是fp16的浮点数模型，精准度更好。

对比传统人脸检测，同样一张图像，在OpenCV HAAR与LBP级联检测器中必须通过不断调整参数才可以检测出全部人脸，而通过使用该模型，基本在Python语言中基于OpenCV后台的推断，在25毫秒均可以检测出结果，网络支持输入size大小为300x300。

def getface(img,net):
    # 置信度参数，高于此数才认为是人脸，可调
    confidence = 0.3
    (h, w) = img.shape[:2]  # 获取图像的高和宽，用于画图
    blob = cv2.dnn.blobFromImage(cv2.resize(img, (300, 300)), 1.0,(300, 300), (104.0, 177.0, 123.0))
    # blobFromImage待研究
    net.setInput(blob)
    # 预测结果
    detections = net.forward()
    maxFace = []
    # 在原图加上标签和框
    for i in range(0, detections.shape[2]):
        # 获得置信度
        res_confidence = detections[0, 0, i, 2]
        # 过滤掉低置信度的像素
        if res_confidence > confidence:
            # 获得框的位置
            box = detections[0, 0, i, 3:7] * np.array([w, h, w, h])
            (startX, startY, endX, endY) = box.astype("int")
            startX = 0 if startX<0 else startX
            startY = 0 if startY<0 else startY
            if endX>w:
                return
            if endY>h:
                return
            print(startX, startY, endX, endY)
            return startX, startY, endX, endY

三.人脸识别模块 LBPHFaceRecognizer

基于LBP算子的人脸识别算法：

LBP被运用于计算机人脸识别领域时，提取出来的人脸特征通常是以LBP直方图向量进行表达的。
1. 对预处理后的人脸图像进行分块
2. 对分块后的各小块图像区域进行LBP特征提取变换
3. 使用LBP直返图向量作为人脸特征的描述。

一般分块数越多，人脸表达的效果就会越好，但是分块数越多，会直接导致特征向量维数的增加，会增加计算的复杂度。对每个分块计算LBP值的直方图，然后将所有分块直方图进行连接得到最终的直方图特征向量，这个特征向量代表原来的人脸图像，可以用来描述整体图像。

对于这个融合的直方图，我们进行特征分类。 如果训练样本数量越大，分类的效果也会越好，

LBPH的预测进程
预测进程就比较简单了，首先将待查询点图象进行lbp编码并生成空间直方图，然后线性暴力的计算直方图的距离，采用基于直方图的相似性度量的最近邻分类方法来分类

id, lbphconfidence = LBPH.predict(gray) #识别人脸

官方文档

四.数据库 sqlite