# 软件开发综合实训-人脸特征识别系统

**Repository Path**: xu-ruijian/home

## Basic Information

- **Project Name**: 软件开发综合实训-人脸特征识别系统
- **Description**: 人脸特征识别
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-02-29
- **Last Updated**: 2026-03-27

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 软件开发综合实训-人脸特征识别系统(性别，年龄，种族)

####  项目背景

- 1.人脸特征识别技术在人工智能、医疗健康、社会管理等领域有广泛应用前景。通过分析人脸的性别、年龄和种族等特征,可以为相关应用提供有价值的数据支持。
- 2.该系统可以为智能家居、医疗健康、社会管理等领域提供人脸特征分析的支持,为相关应用的发展提供技术支撑。
- 3.本项目旨在利用Python语言开发一个简单高效的人脸特征识别系统,能够准确识别输入图像中人物的性别、年龄和种族信息。
####  使用说明
+ 1.下载本仓库
```
git clone https://gitee.com/xu-ruijian/home.git
```
或者
```
直接下载zip压缩包
```
+ 2.配置环境
  + 2.1将仓库自带的myenv文件夹创建为自己的Anaconda的虚拟环境
    + (1)文件夹路径：
    ![](./MarkDownPic/FileSearch.png)
    + (2)在Anaconda Prompt中输入:
    ![](./MarkDownPic/Anaconda.png)
    ```
    conda create --name 新虚拟环境名字 --clone myenv文件夹路径
    ```
    + (3)在Vscode中打开仓库文件夹，选择myenv环境下
    ![](./MarkDownPic/VscodeMyenv.png)
  + 2.2机房调试
    + (1)Anaconda中添加清华源
    ```python
    #在Prompt命令行中
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
    conda config --set show_channel_urls yes#通道地址
    ```
#### 功能需求

+ **人脸检测**：系统能够检测图像中的人脸。
+ **特征识别**：系统能够识别人脸并进行预测年龄，性别，种族。
+ **实时识别**：系统能够实时进行特征识别并给出结果。
+ **用户登录**：用户可以登录或注册自己的账号。

#### 开发环境
+ 1.使用**python**语言：版本==**3.10.13**。

+ 2.开发平台：**Vscode**。(编译环境是**Anaconda下的python**,具体环境库在文件夹myenv中)

+ 3.人脸数据集来源(UTKFace数据集中的一部分)：
  
  + 3.1[Face Data By kaggle](https://www.kaggle.com/datasets/yapwh1208/face-data?resource=download)。
  + 3.2一共大约9600张。
  + 3.3部分图片样例(文件名：年龄_性别(0:男,1:女))：
    ![](/MarkDownPic/PicSamples.png)
  + 3.4每个图片的尺寸为200像素*200像素。

####  技术选型

+ **人脸检测**：Opencv。
+ **人脸识别**：Keras多输出卷积神经网络。
+ **界面开发**：tkinter。
#### 数据流程

+ **数据分析**：对图像数据集进行**可视化分析**，**是否合理**。
+ **数据预处理**：为了将数据输入到**Keras 多输出模型**中，需要创建一个辅助对象来作为数据集的数据生成器。这将通过生成批量数据来完成，这些数据将用于为我们的多输出模型提供图像及其标签。
+ **特征提取**：提取人脸图像的特征向量。
+ **人脸匹配**：通过比对特征向量进行人脸识别和匹配。
+ **结果展示**：展示识别结果，显示匹配结果。

####  详细设计
+ 1.数据集分析：[Analyse Dataset](./CODEMD/Analyse%20Dataset.md)
  + 1.1种族饼图
  ![](./PIC/种族饼图.png)
  + 1.2性别饼图
  ![](./PIC/性别饼图.png) 
  + 1.3年龄分段饼图
  ![](./PIC/年龄分段饼图.png)
  + 1.4年龄直方图
  ![](./PIC/年龄直方图.png)
+ 2.数据预处理：[Data Preprocessing](./CODEMD/Data%20Preprocessing.md)
+ 3.建立模型：[Train Model](./CODEMD/Train%20Model.md)
+ 4.模型测试:

![](MarkDownPic/FunctionTest1.png)
![](MarkDownPic/FunctionTest2.png)

+ 5.摄像头拍照：

![](MarkDownPic/camera.png)
+ 5.登录注册:
  + 5.1通过python内置模块pickle保存用户数据
  + 5.2功能实现
    + 登录界面：

    ![](MarkDownPic/login.png)
    + 注册界面：

    ![](MarkDownPic/signup.png)