# face_live_detection

**Repository Path**: smimanchir/face_live_detection

## Basic Information

- **Project Name**: face_live_detection
- **Description**: 课程大作业，基于人脸识别的打卡签到系统，基于python+dlib+qt5+opencv+mysql。

- **Primary Language**: Unknown
- **License**: GPL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 3
- **Forks**: 0
- **Created**: 2024-05-08
- **Last Updated**: 2025-04-03

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# face_live_detection

#### 介绍
课程大作业，基于人脸识别的打卡签到系统，基于python+dlib+qt5+opencv+mysql。

#### 使用教程
1. git clone之后
2. 在environment.yaml的目录下打开annaconda的虚拟cmd，输入以下命令创建虚拟环境

```
conda env create -f environment.yaml
```
3. 安装好dlib库
4. 在pycharm中选择刚刚创建好的虚拟环境，打开项目
5. 在navicat中运行mysql_table中的sql文件以创建数据库
6. 修改utils/GlobalVar.py中的三个函数，使路径为自己的路径，使数据库链接为自己的数据库
7. 运行execute.py文件即可

#### 功能介绍
主要有信息采集、人脸识别、活体检测功能
1. 信息采集
点击信息采集按钮，进入子窗口，勾选自动采集，单击开始采集，输入要采集的学号，即可开始采集
2. 人脸识别
信息采集完成后，退出子窗口，点击主窗口中的加载模型，训练模型，等待模型训练
训练完成后，点击打开相机，点击开始考勤，即可
本项目主要使用ResNet-SSD进行人脸检测，Facenet来完成对人脸的识别
3. 活体检测
考勤成功后，点击活体检测，即可
本项目有四种方式的指令检测活体，分别使眨眼，张嘴，摇头，点头。为了抵抗视频，采用了随机指令检测。

#### 项目运行结果


#### 参考资料

1. [https://github.com/datamonday/Face-Recognition-Class-Attendance-System/tree/master](https://github.com/datamonday/Face-Recognition-Class-Attendance-System/tree/master)（参考的开源项目）

2. I. Masi, Y. Wu, T. Hassner and P. Natarajan, “Deep Face Recognition: A Survey,” 2018 31st SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 2018, pp. 471-478, doi: 10.1109/SIBGRAPI.2018.00067.）(深度学习人脸识别的流程）

3. 
 FaceNet: A Unified Embedding for Face Recognition and Clustering（FaceNet的论文）

4. [https://scikit-learn.org/stable/auto_examples/applications/plot_face_recognition.html#sphx-glr-auto-examples-applications-plot-face-recognition-py](https://scikit-learn.org/stable/auto_examples/applications/plot_face_recognition.html#sphx-glr-auto-examples-applications-plot-face-recognition-py)（一个使用SVM进行人脸识别的官方例程）

5. [https://cloud.tencent.com/developer/article/2146865](https://cloud.tencent.com/developer/article/2146865)（文档撰写参考）

6. [https://github.com/echo1118/Live_Detection](https://github.com/echo1118/Live_Detection) (活体检测参考）