0 項(xiàng)目說(shuō)明
基于opencv、dilb的員工人臉識(shí)別考勤系統(tǒng)
提示：適合用于課程設(shè)計(jì)或畢業(yè)設(shè)計(jì)，工作量達(dá)標(biāo)，源碼開(kāi)放
1 需求分析
選題“員工刷臉考勤”，要求采用python語(yǔ)言開(kāi)發(fā)，可以通過(guò)攝像頭添加員工面部信息，這里就涉及到兩個(gè)具體的個(gè)問(wèn)題，一個(gè)是應(yīng)該以什么樣的數(shù)據(jù)來(lái)標(biāo)識(shí)每一個(gè)員工的面部信息，二是持久化地保存這些信息到數(shù)據(jù)庫(kù)中去。更細(xì)地，還涉及表的設(shè)計(jì)；另一個(gè)基本要求是通過(guò)攝像頭識(shí)別員工面部信息來(lái)完成考勤，這個(gè)問(wèn)題基本可以通過(guò)遍歷數(shù)據(jù)庫(kù)里的員工面部數(shù)據(jù)與當(dāng)前攝像頭里的員工面部數(shù)據(jù)的比對(duì)來(lái)實(shí)現(xiàn)，但有一個(gè)問(wèn)題就是假如攝像頭里有多張人臉改怎么處理。擴(kuò)展要求是導(dǎo)出每日的考勤表，可以拆分為兩個(gè)部分，一個(gè)是存儲(chǔ)考勤信息，一個(gè)是展示考勤信息。
我們希望達(dá)到的目標(biāo)是：
（1）仿照通用型軟件界面設(shè)計(jì)的原則，所有的操作都在菜單欄里實(shí)現(xiàn)，一部分區(qū)域用于展示攝像頭實(shí)時(shí)讀取并由程序加工后的視頻流信息，另一部分區(qū)域做控制臺(tái)輸出，打印相關(guān)信息，比如提示員工面部信息添加成功、添加失敗及其原因，提示員工打卡成功、打卡失敗及其原因；添加面部信息時(shí)人是必須和程序進(jìn)行交互的，比如輸入一些相關(guān)的信息，這個(gè)時(shí)候程序是阻塞的；但是在打卡的時(shí)候，程序是不阻塞的，如果不點(diǎn)擊關(guān)閉打卡，它會(huì)一直在打卡的模式，等待并識(shí)別每一個(gè)前來(lái)打卡的員工，這比較符合現(xiàn)實(shí)的使用場(chǎng)景。
（2）建表來(lái)存儲(chǔ)員工信息和考勤信息，每次新建錄入員工面部信息時(shí)，要求輸入工號(hào)、姓名，并查無(wú)重后方可錄入，錄入時(shí)只取距離屏幕最近的員工的面部信息，這是考慮到實(shí)際打卡都是依次進(jìn)行而不是一群人一群人地打卡，錄入時(shí)有兩種模式可供選擇，自動(dòng)模式：一旦識(shí)別到人臉就自動(dòng)捕獲截圖，連續(xù)截圖達(dá)到10張就結(jié)束錄入；手動(dòng)模式：點(diǎn)擊菜單結(jié)束錄入，不一定要得到10張。結(jié)束錄入后就開(kāi)始從剛才捕獲的員工面部提取人臉特征數(shù)據(jù)并連同之前輸入的員工姓名等數(shù)據(jù)作為一行記錄保存到數(shù)據(jù)庫(kù)中，如果沒(méi)有捕獲到員工面部或者剛才捕獲的面部信息不是同一個(gè)人，這行記錄就被丟棄。
考勤時(shí)，須滿(mǎn)足三個(gè)條件：面部信息已錄入、在打卡時(shí)間段內(nèi)、未重復(fù)打卡，有打卡成功，打卡人姓名及工號(hào)、打卡日期及時(shí)間才會(huì)被當(dāng)成一行記錄保存到數(shù)據(jù)庫(kù)并在控制臺(tái)輸出打卡成功信息，否則會(huì)在控制臺(tái)輸出失敗及其原因信息。
總而言之：我們的設(shè)計(jì)目標(biāo)是規(guī)范化、人性化。
2 總體設(shè)計(jì)
為了完成上述目標(biāo)一，程序的界面初始化分為三部分，第一部分初始化菜單欄，第二部分初始化左邊控制臺(tái)，第三部分初始化右邊展示面板，使這三部分相互獨(dú)立；數(shù)據(jù)邏輯部分的初始化分為兩部分，第一部分是數(shù)據(jù)庫(kù)部分的初始化，如果數(shù)據(jù)庫(kù)/表不存在就新建，存在則加載相關(guān)數(shù)據(jù)，第二部分是初始化一些需要循環(huán)使用的變量，比如新建錄入時(shí)的員工姓名、工號(hào)、截圖數(shù)目計(jì)數(shù)器等,每當(dāng)完成錄入時(shí)這些數(shù)據(jù)都應(yīng)該被重置成初始化以待下一次錄入，把這些初始化語(yǔ)句寫(xiě)成一個(gè)函數(shù)可以提高代碼復(fù)用度。
上述目標(biāo)二主要是一些限制性條件，可以通過(guò)添加判斷語(yǔ)句來(lái)實(shí)現(xiàn)，比如對(duì)輸入id的合法性檢驗(yàn)：
while self.id == ID_WORKER_UNAVIABLE:
self.id = wx.GetNumberFromUser(message="請(qǐng)輸入您的工號(hào)(-1不可用)",prompt="工號(hào)", caption="溫馨提示", value=ID_WORKER_UNAVIABLE, parent=self.bmp,max=100000000,min=ID_WORKER_UNAVIABLE)
for knew_id in self.knew_id:
if knew_id == self.id:
self.id = ID_WORKER_UNAVIABLE
wx.MessageBox(message="工號(hào)已存在，請(qǐng)重新輸入", caption="警告")
其中ID_WORKER_UNAVIABLE是id的初始化值-1，不可用，self.knew.id是從數(shù)據(jù)庫(kù)里加載出來(lái)的id列表，如果id非法（已重復(fù)或者不在0~100000000，就會(huì)一直有新的彈窗來(lái)提示輸入id。
再比如對(duì)多張人臉時(shí)、只處理距離屏幕最近的員工的面部信息：
if len(dets) != 0:
biggest_face = dets[0]
#取占比最大的臉
maxArea = 0
for det in dets:
w = det.right() - det.left()
h = det.top()-det.bottom()
if w*h > maxArea:
biggest_face = det
maxArea = w*h
dets是偵測(cè)到的所有面部數(shù)組，biggest_face是距離屏幕最近的面部。
本次課設(shè)的完整過(guò)程如下：選了員工刷臉考勤系統(tǒng)以后，我和小組成員查閱了大量資料，了解到dlib這個(gè)庫(kù)，于是我們利用dlib庫(kù)自帶的人臉預(yù)測(cè)器、特征提取器，然后計(jì)算128d特征來(lái)完成人臉識(shí)別，再加上我們之前構(gòu)想的邏輯，大致完成了課設(shè)，由于完成得早，我們大致在課設(shè)安排時(shí)間的一半時(shí)就給老師檢查，雖然基本要求和拓展要求都已經(jīng)實(shí)現(xiàn)，但是還有許多可以完善的地方，老師給出了許多寶貴的意見(jiàn)：
（1）把數(shù)據(jù)保存的地方由csv文件改成數(shù)據(jù)庫(kù)。
（2）減少?gòu)棾鍪浇缑?，用frame替換的方式解決之。
（3）刷臉打卡的界面不需要打卡者交互，全自動(dòng)打卡。
最后檢查的時(shí)候這些問(wèn)題都被解決了。
程序框圖：
本程序的設(shè)計(jì)思想大致可分為以下幾個(gè)方面
(1)面向?qū)ο蟮脑瓌t，整個(gè)程序的主體就是一個(gè)WAS(WorkAttendanceSystem)類(lèi),所有的實(shí)現(xiàn)都圍繞這個(gè)類(lèi)展開(kāi)。
(2)界面和數(shù)據(jù)邏輯分離的原則，WAS類(lèi)的初始化過(guò)程包括界面的初始化和數(shù)據(jù)初始化，兩者相互獨(dú)立。
(3)代碼封裝原則，多次調(diào)用的語(yǔ)句集寫(xiě)成接口供調(diào)用，沒(méi)有冗余的代碼。
接口隔離原則:使用多個(gè)專(zhuān)門(mén)的接口,而不是使用單一的總接口。
3 詳細(xì)設(shè)計(jì)
函數(shù)清單
注：所有類(lèi)內(nèi)的函數(shù)的第一個(gè)參數(shù)為self，表明該函數(shù)屬于該類(lèi)，后面不再贅述
（1）def init(self)
WAS類(lèi)的構(gòu)造函數(shù)，主要是完成一些初始化操作，如初始化菜單、信息打印面板、主展示面板以及初始化加載數(shù)據(jù)庫(kù)、初始化循環(huán)使用的變量。
（2）def initMenu(self):
完成菜單的初始化顯示，點(diǎn)擊事件綁定。
（3）def initInfoText(self):
完成左邊信息提示面板的初始化顯示。
（4）def initGallery(self):
完成右邊主展示面板的初始化顯示。
（5）def initDatabase(self):
數(shù)據(jù)庫(kù)的初始化，建立數(shù)據(jù)庫(kù)連接（如果數(shù)據(jù)庫(kù)inspurer.db不存在則先新建），如果數(shù)據(jù)庫(kù)中不存在員工信息worker_info和考勤logcat這兩個(gè)表，則依次創(chuàng)建。
（6）def loadDataBase(self,type):
該模塊函數(shù)完成從數(shù)據(jù)庫(kù)讀取數(shù)據(jù)的操作，包括讀取員工信息和考勤信息，第二個(gè)參數(shù)type用于標(biāo)識(shí)是加載員工信息還是考勤信息，一方面，可以統(tǒng)一接口，打開(kāi)數(shù)據(jù)庫(kù)和得到游標(biāo)、關(guān)閉連接是一樣的，將兩個(gè)讀取接口合二為一，提高代碼復(fù)用度；另一方面，可以減少加載的工作量，減少I(mǎi)O,提高程序運(yùn)行速度；最后，因?yàn)樽x取信息前對(duì)上一次讀取的信息列表做了清空處理，用type標(biāo)識(shí)可以避免讀取一個(gè)表時(shí)對(duì)另一個(gè)表造成的誤操作。
（7）def insertARow(self,Row,type):
該模塊函數(shù)完成寫(xiě)數(shù)據(jù)庫(kù)操作，第二個(gè)參數(shù)為準(zhǔn)備寫(xiě)的一條記錄，第三個(gè)參數(shù)type表示要對(duì)哪一個(gè)表進(jìn)行寫(xiě)操作。
（8）def adapt_array(self,arr):
將提取的人臉特征信息（列表）壓縮，入口參數(shù)就是待壓縮的數(shù)據(jù)，出口參數(shù)是壓縮后的數(shù)據(jù)，用于寫(xiě)入數(shù)據(jù)庫(kù)。
（9）def convert_array(self,text):
將讀取出來(lái)的數(shù)據(jù)解壓縮成人臉特征信息，入口參數(shù)是待解壓得數(shù)據(jù)，出口參數(shù)是解壓后的數(shù)據(jù)。
（10）def return_euclidean_distance(feature_1, feature_2):
計(jì)算兩個(gè)人臉的歐式距離，入口參數(shù)是兩個(gè)人臉的特征數(shù)據(jù)，出口參數(shù)是判定的結(jié)果，歐式距離大于0.4判為不同，不大于判為相同。
（11）def OnNewRegisterClicked(self,event):
見(jiàn)名知義，菜單新建錄入的監(jiān)聽(tīng)事件，參數(shù)event為事件信息，其他幾個(gè)菜單(OnFinishRegisterClicked,OnStartPunchCardClicked,OnEndPunchCardClicked,OnOpenLogcatClicked,OnCloseLogcatClicked)類(lèi)似，在此不再贅述。
（12）def getDateAndTime(self):
得到當(dāng)前日期和時(shí)間，并組裝成特定格式作為出口參數(shù)返回。
函數(shù)調(diào)用關(guān)系:箭頭指向被調(diào)用者
4 效果展示
5 實(shí)驗(yàn)心得
遇到的問(wèn)題及解決辦法:
(1)opencv自帶的視頻窗口不支持太多的UI擴(kuò)展,怎么把視頻流嵌到自定義的界面上去是一個(gè)棘手的問(wèn)題，于是我想到了實(shí)現(xiàn)實(shí)時(shí)截圖，然后把圖片顯示到面板上去，這里有一個(gè)延時(shí)的問(wèn)題，opencv只允許整秒整秒地設(shè)置延時(shí)時(shí)間,設(shè)置成0s,程序會(huì)卡死，只好設(shè)置成1s，于是我們看到的‘視頻流’會(huì)有少許的延時(shí)和卡頓,后面看到opencv還有一個(gè)設(shè)置刷新率fps的接口，但是嘗試了也沒(méi)用，估計(jì)和延時(shí)有沖突，最最后面只好開(kāi)了一個(gè)子線(xiàn)程來(lái)做這些處理，防止主線(xiàn)程阻塞。
(2) 識(shí)別人臉的時(shí)候如果有多張人臉入境，最開(kāi)始我是只取所有識(shí)別到的人臉的第一張人臉，但是無(wú)法保證在許多時(shí)刻點(diǎn)都是同一個(gè)人臉,因此做了改進(jìn)，取距離屏幕最近的人臉，具體做法是求最大的人臉面積，一般來(lái)說(shuō)距離屏幕越近面積越大。
(3)其他的大都是編寫(xiě)程序過(guò)程中遇到的問(wèn)題，比如什么中文設(shè)置問(wèn)題，變量沒(méi)有按照預(yù)期演化，這個(gè)時(shí)候，一般百度或者google，在csdn或者stackoverflow能找到解決辦法，或者在pycharm開(kāi)啟debug模式，追蹤變量等，在此不在贅述。
總而言之，此員工考勤系統(tǒng)最核心的就是人臉識(shí)別，在此我直接用的是python 第三方庫(kù)dlib自帶的人臉預(yù)測(cè)器、特征提取器，對(duì)于同一人多份特征的處理也僅僅是取平均臉而已，平均臉的缺點(diǎn)有
（1）受環(huán)境影響大，如果在光線(xiàn)弱的環(huán)境錄入人臉，在光線(xiàn)好的地方可能就會(huì)出現(xiàn)識(shí)別錯(cuò)誤，但是這個(gè)問(wèn)題可以用取光線(xiàn)弱和光線(xiàn)好的環(huán)境下的人臉取平均來(lái)解決，顯然比較麻煩。
（2）計(jì)算量比較大，每一條特征有128個(gè)數(shù)據(jù)，10張截圖求平均就有1280次加法和128次除法。
而利用卷積神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)人臉識(shí)別可以有效地提高人臉識(shí)別準(zhǔn)確度，后續(xù)我將學(xué)習(xí)用卷積神經(jīng)網(wǎng)絡(luò)和聚類(lèi)來(lái)構(gòu)建訓(xùn)練模型。
比如模型訓(xùn)練階段
其中神經(jīng)網(wǎng)絡(luò)部分：
然后根據(jù)模型去識(shí)別人臉，最高識(shí)別準(zhǔn)確率可達(dá)99%以上。文章來(lái)源：http://www.zghlxwxcb.cn/news/detail-796944.html
6 項(xiàng)目源碼
#coding=utf-8
import wx
import wx.grid
import sqlite3
from time import localtime,strftime
import os
from skimage import io as iio
import io
import zlib
import dlib # 人臉識(shí)別的庫(kù)dlib
import numpy as np # 數(shù)據(jù)處理的庫(kù)numpy
import cv2 # 圖像處理的庫(kù)OpenCv
import _thread
ID_NEW_REGISTER = 160
ID_FINISH_REGISTER = 161
ID_START_PUNCHCARD = 190
ID_END_PUNCARD = 191
ID_OPEN_LOGCAT = 283
ID_CLOSE_LOGCAT = 284
ID_WORKER_UNAVIABLE = -1
PATH_FACE = "data/face_img_database/"
# face recognition model, the object maps human faces into 128D vectors
facerec = dlib.face_recognition_model_v1("model/dlib_face_recognition_resnet_model_v1.dat")
# Dlib 預(yù)測(cè)器
detector = dlib.get_frontal_face_detector()
predictor = dlib.shape_predictor('model/shape_predictor_68_face_landmarks.dat')
def return_euclidean_distance(feature_1, feature_2):
feature_1 = np.array(feature_1)
feature_2 = np.array(feature_2)
dist = np.sqrt(np.sum(np.square(feature_1 - feature_2)))
print("歐式距離: ", dist)
if dist > 0.4:
return "diff"
else:
return "same"
class WAS(wx.Frame):
def __init__(self):
wx.Frame.__init__(self,parent=None,title="員工考勤系統(tǒng)",size=(920,560))
self.initMenu()
self.initInfoText()
self.initGallery()
self.initDatabase()
self.initData()
def initData(self):
self.name = ""
self.id =ID_WORKER_UNAVIABLE
self.face_feature = ""
self.pic_num = 0
self.flag_registed = False
self.puncard_time = "09:00:00"
self.loadDataBase(1)
def initMenu(self):
menuBar = wx.MenuBar() #生成菜單欄
menu_Font = wx.Font()#Font(faceName="consolas",pointsize=20)
menu_Font.SetPointSize(14)
menu_Font.SetWeight(wx.BOLD)
registerMenu = wx.Menu() #生成菜單
self.new_register = wx.MenuItem(registerMenu,ID_NEW_REGISTER,"新建錄入")
self.new_register.SetBitmap(wx.Bitmap("drawable/new_register.png"))
self.new_register.SetTextColour("SLATE BLUE")
self.new_register.SetFont(menu_Font)
registerMenu.Append(self.new_register)
self.finish_register = wx.MenuItem(registerMenu,ID_FINISH_REGISTER,"完成錄入")
self.finish_register.SetBitmap(wx.Bitmap("drawable/finish_register.png"))
self.finish_register.SetTextColour("SLATE BLUE")
self.finish_register.SetFont(menu_Font)
self.finish_register.Enable(False)
registerMenu.Append(self.finish_register)
puncardMenu = wx.Menu()
self.start_punchcard = wx.MenuItem(puncardMenu,ID_START_PUNCHCARD,"開(kāi)始簽到")
self.start_punchcard.SetBitmap(wx.Bitmap("drawable/start_punchcard.png"))
self.start_punchcard.SetTextColour("SLATE BLUE")
self.start_punchcard.SetFont(menu_Font)
puncardMenu.Append(self.start_punchcard)
self.end_puncard = wx.MenuItem(puncardMenu,ID_END_PUNCARD,"結(jié)束簽到")
self.end_puncard.SetBitmap(wx.Bitmap("drawable/end_puncard.png"))
self.end_puncard.SetTextColour("SLATE BLUE")
self.end_puncard.SetFont(menu_Font)
self.end_puncard.Enable(False)
puncardMenu.Append(self.end_puncard)
logcatMenu = wx.Menu()
self.open_logcat = wx.MenuItem(logcatMenu,ID_OPEN_LOGCAT,"打開(kāi)日志")
self.open_logcat.SetBitmap(wx.Bitmap("drawable/open_logcat.png"))
self.open_logcat.SetFont(menu_Font)
self.open_logcat.SetTextColour("SLATE BLUE")
logcatMenu.Append(self.open_logcat)
self.close_logcat = wx.MenuItem(logcatMenu, ID_CLOSE_LOGCAT, "關(guān)閉日志")
self.close_logcat.SetBitmap(wx.Bitmap("drawable/close_logcat.png"))
self.close_logcat.SetFont(menu_Font)
self.close_logcat.SetTextColour("SLATE BLUE")
logcatMenu.Append(self.close_logcat)
menuBar.Append(registerMenu,"&人臉?shù)浫?)
menuBar.Append(puncardMenu,"&刷臉簽到")
menuBar.Append(logcatMenu,"&考勤日志")
self.SetMenuBar(menuBar)
self.Bind(wx.EVT_MENU,self.OnNewRegisterClicked,id=ID_NEW_REGISTER)
self.Bind(wx.EVT_MENU,self.OnFinishRegisterClicked,id=ID_FINISH_REGISTER)
self.Bind(wx.EVT_MENU,self.OnStartPunchCardClicked,id=ID_START_PUNCHCARD)
self.Bind(wx.EVT_MENU,self.OnEndPunchCardClicked,id=ID_END_PUNCARD)
self.Bind(wx.EVT_MENU,self.OnOpenLogcatClicked,id=ID_OPEN_LOGCAT)
self.Bind(wx.EVT_MENU,self.OnCloseLogcatClicked,id=ID_CLOSE_LOGCAT)
def OnOpenLogcatClicked(self,event):
self.loadDataBase(2)
grid = wx.grid.Grid(self,pos=(320,0),size=(600,500))
grid.CreateGrid(100, 4)
for i in range(100):
for j in range(4):
grid.SetCellAlignment(i,j,wx.ALIGN_CENTER,wx.ALIGN_CENTER)
grid.SetColLabelValue(0, "工號(hào)") #第一列標(biāo)簽
grid.SetColLabelValue(1, "姓名")
grid.SetColLabelValue(2, "打卡時(shí)間")
grid.SetColLabelValue(3, "是否遲到")
grid.SetColSize(0,100)
grid.SetColSize(1,100)
grid.SetColSize(2,150)
grid.SetColSize(3,150)
grid.SetCellTextColour("NAVY")
for i,id in enumerate(self.logcat_id):
grid.SetCellValue(i,0,str(id))
grid.SetCellValue(i,1,self.logcat_name[i])
grid.SetCellValue(i,2,self.logcat_datetime[i])
grid.SetCellValue(i,3,self.logcat_late[i])
pass
def OnCloseLogcatClicked(self,event):
self.initGallery()
pass
def register_cap(self,event):
# 創(chuàng)建 cv2 攝像頭對(duì)象
self.cap = cv2.VideoCapture(0)
# cap.set(propId, value)
# 設(shè)置視頻參數(shù)，propId設(shè)置的視頻參數(shù)，value設(shè)置的參數(shù)值
# self.cap.set(3, 600)
# self.cap.set(4,600)
# cap是否初始化成功
while self.cap.isOpened():
# cap.read()
# 返回兩個(gè)值：
# 一個(gè)布爾值true/false，用來(lái)判斷讀取視頻是否成功/是否到視頻末尾
# 圖像對(duì)象，圖像的三維矩陣
flag, im_rd = self.cap.read()
# 每幀數(shù)據(jù)延時(shí)1ms，延時(shí)為0讀取的是靜態(tài)幀
kk = cv2.waitKey(1)
# 人臉數(shù) dets
dets = detector(im_rd, 1)
# 檢測(cè)到人臉
if len(dets) != 0:
biggest_face = dets[0]
#取占比最大的臉
maxArea = 0
for det in dets:
w = det.right() - det.left()
h = det.top()-det.bottom()
if w*h > maxArea:
biggest_face = det
maxArea = w*h
# 繪制矩形框
cv2.rectangle(im_rd, tuple([biggest_face.left(), biggest_face.top()]),
tuple([biggest_face.right(), biggest_face.bottom()]),
(255, 0, 0), 2)
img_height, img_width = im_rd.shape[:2]
image1 = cv2.cvtColor(im_rd, cv2.COLOR_BGR2RGB)
pic = wx.Bitmap.FromBuffer(img_width, img_height, image1)
# 顯示圖片在panel上
self.bmp.SetBitmap(pic)
# 獲取當(dāng)前捕獲到的圖像的所有人臉的特征，存儲(chǔ)到 features_cap_arr
shape = predictor(im_rd, biggest_face)
features_cap = facerec.compute_face_descriptor(im_rd, shape)
# 對(duì)于某張人臉，遍歷所有存儲(chǔ)的人臉特征
for i,knew_face_feature in enumerate(self.knew_face_feature):
# 將某張人臉與存儲(chǔ)的所有人臉數(shù)據(jù)進(jìn)行比對(duì)
compare = return_euclidean_distance(features_cap, knew_face_feature)
if compare == "same": # 找到了相似臉
self.infoText.AppendText(self.getDateAndTime()+"工號(hào):"+str(self.knew_id[i])
+" 姓名:"+self.knew_name[i]+" 的人臉數(shù)據(jù)已存在\r\n")
self.flag_registed = True
self.OnFinishRegister()
_thread.exit()
# print(features_known_arr[i][-1])
face_height = biggest_face.bottom()-biggest_face.top()
face_width = biggest_face.right()- biggest_face.left()
im_blank = np.zeros((face_height, face_width, 3), np.uint8)
try:
for ii in range(face_height):
for jj in range(face_width):
im_blank[ii][jj] = im_rd[biggest_face.top() + ii][biggest_face.left() + jj]
# cv2.imwrite(path_make_dir+self.name + "/img_face_" + str(self.sc_number) + ".jpg", im_blank)
# cap = cv2.VideoCapture("***.mp4")
# cap.set(cv2.CAP_PROP_POS_FRAMES, 2)
# ret, frame = cap.read()
# cv2.imwrite("我//h.jpg", frame) # 該方法不成功
# 解決python3下使用cv2.imwrite存儲(chǔ)帶有中文路徑圖片
if len(self.name)>0:
cv2.imencode('.jpg', im_blank)[1].tofile(
PATH_FACE + self.name + "/img_face_" + str(self.pic_num) + ".jpg") # 正確方法
self.pic_num += 1
print("寫(xiě)入本地：", str(PATH_FACE + self.name) + "/img_face_" + str(self.pic_num) + ".jpg")
self.infoText.AppendText(self.getDateAndTime()+"圖片:"+str(PATH_FACE + self.name) + "/img_face_" + str(self.pic_num) + ".jpg保存成功\r\n")
except:
print("保存照片異常,請(qǐng)對(duì)準(zhǔn)攝像頭")
if self.new_register.IsEnabled():
_thread.exit()
if self.pic_num == 10:
self.OnFinishRegister()
_thread.exit()
def OnNewRegisterClicked(self,event):
self.new_register.Enable(False)
self.finish_register.Enable(True)
self.loadDataBase(1)
while self.id == ID_WORKER_UNAVIABLE:
self.id = wx.GetNumberFromUser(message="請(qǐng)輸入您的工號(hào)(-1不可用)",
prompt="工號(hào)", caption="溫馨提示",
value=ID_WORKER_UNAVIABLE,
parent=self.bmp,max=100000000,min=ID_WORKER_UNAVIABLE)
for knew_id in self.knew_id:
if knew_id == self.id:
self.id = ID_WORKER_UNAVIABLE
wx.MessageBox(message="工號(hào)已存在，請(qǐng)重新輸入", caption="警告")
while self.name == '':
self.name = wx.GetTextFromUser(message="請(qǐng)輸入您的的姓名,用于創(chuàng)建姓名文件夾",
caption="溫馨提示",
default_value="", parent=self.bmp)
# 監(jiān)測(cè)是否重名
for exsit_name in (os.listdir(PATH_FACE)):
if self.name == exsit_name:
wx.MessageBox(message="姓名文件夾已存在，請(qǐng)重新輸入", caption="警告")
self.name = ''
break
os.makedirs(PATH_FACE+self.name)
_thread.start_new_thread(self.register_cap,(event,))
pass
7 最后
項(xiàng)目分享：https://gitee.com/asoonis/feed-neo文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-796944.html
到了這里，關(guān)于java項(xiàng)目分享 - 基于opencv、dilb的員工人臉識(shí)別考勤系統(tǒng)的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
