向AI转型的程序员都关注了这个号👇👇👇
人脸任务在计算机视觉领域中十分重要，本项目主要使用了两类技术：人脸检测+人脸识别。
代码分为两部分内容：人脸注册 和 人脸识别。
人脸注册：将人脸特征存储进数据库，这里用feature.csv代替。
人脸识别：将人脸特征与CSV文件中人脸特征进行比较，如果成功匹配则写入考勤文件attendance.csv
文章前半部分为一步步实现流程介绍，最后会有整理过后的完整项目代码。
一、项目实现
A. 注册：
导入相关包
设计注册功能
注册过程我们需要完成的事：
打开摄像头获取画面图片
在图片中检测并获取人脸位置
根据人脸位置获取68个关键点
根据68个关键点生成特征描述符
保存
(优化)展示界面，加入注册时成功提示等
1、基本步骤
我们首先进行前三步：
此时一张帅脸如下：
2、描述符的采集
之后，我们根据参数，即faceCount 和 Interval 进行描述符的生成和采集。
(这里我默认是faceCount=3，Interval=3，即每3秒采集一次，共3次）
等待进行下一次采集
...
成功采集1次
等待进行下一次采集
...
成功采集2次
等待进行下一次采集
...
成功采集3次
采集完毕3、完整的注册
最后就是写入csv文件
这里加入了注册成功等的提示，且把一些变量放到了全局，因为后面人脸识别打卡时也会用到。
此时执行：
faceRegiser(3,"用户B")
人脸注册成功 1/3，faceId:3，userName:用户B
人脸注册成功 2/3，faceId:3，userName:用户B
人脸注册成功 3/3，faceId:3，userName:用户B
人脸注册完毕其features文件：
B. 识别、打卡
识别步骤如下：
打开摄像头获取画面
根据画面中的图片获取里面的人脸特征描述符
根据特征描述符将其与feature.csv文件里特征做距离判断
获取ID、NAME
考勤记录写入attendance.csv里
这里与上面流程相似，不过是加了一个对比功能，距离小于阈值，则表示匹配成功。就加快速度不一步步来了，代码如下：
然后效果就和我们宿舍楼下差不多了~
我年轻的时候，我大概比现在帅个几百倍吧，哎。
二、总代码
上文其实把登录和注册最后一部分代码放在一起就是了，这里就不再复制粘贴了，相关权重文件下载链接：
https://github.com/opencv/opencv/tree/master/data
当然本项目还有很多需要优化的地方，比如设置用户不能重复、考勤打卡每天只能一次、把csv改为链接成数据库等等。
原文地址
https://blog.csdn.net/suic009/article/details/127382811
机器学习算法AI大数据技术搜索公众号添加： datanlp长按图片，识别二维码
阅读过本文的人还看了以下文章：
TensorFlow 2.0深度学习案例实战基于40万表格数据集TableBank，用MaskRCNN做表格检测《基于深度学习的自然语言处理》中/英PDFDeep Learning 中文版初版-周志华团队【全套视频课】最全的目标检测算法系列讲解，通俗易懂！《美团机器学习实践》_美团算法团队.pdf《深度学习入门：基于Python的理论与实现》高清中文PDF+源码《深度学习：基于Keras的Python实践》PDF和代码特征提取与图像处理(第二版).pdfpython就业班学习视频，从入门到实战项目2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码《深度学习之pytorch》pdf+附书源码PyTorch深度学习快速实战入门《pytorch-handbook》【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》《Python数据分析与挖掘实战》PDF+完整源码汽车行业完整知识图谱项目实战视频(全23课)李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材笔记、代码清晰易懂！李航《统计学习方法》最新资源全套！
《神经网络与深度学习》最新2018版中英PDF+源码将机器学习模型部署为REST API
FashionAI服装属性标签图像识别Top1-5方案分享重要开源！CNN-RNN-CTC 实现手写汉字识别yolo3 检测出图像中的不规则汉字
同样是机器学习算法工程师，你的面试为什么过不了？前海征信大数据算法：风险概率预测【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类VGG16迁移学习，实现医学图像识别分类工程项目
特征工程(一)特征工程(二) :文本数据的展开、过滤和分块特征工程(三):特征缩放,从词袋到 TF-IDF特征工程(四): 类别特征特征工程(五): PCA 降维特征工程(六): 非线性特征提取和模型堆叠特征工程(七)：图像特征提取和深度学习如何利用全新的决策树集成级联结构gcForest做特征工程并打分？Machine Learning Yearning 中文翻译稿
蚂蚁金服2018秋招-算法工程师（共四面）通过全球AI挑战-场景分类的比赛源码(多模型融合)斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）python+flask搭建CNN在线识别手写中文网站
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python搜索公众号添加： datayx
