基于vscode人脸识别考勤系统代码
时间: 2023-08-01 09:15:37 浏览: 60
基于VSCode的人脸识别考勤系统的代码需要分为两部分：前端和后端。前端主要以HTML、CSS和JavaScript为主，后端主要以Python为主。
前端代码：
```html
<!DOCTYPE html>
<html>
<head>
<title>人脸考勤系统</title>
<meta charset="utf-8">
<meta name="viewport" content="width=device-width, initial-scale=1">
<link rel="stylesheet" href="https://maxcdn.bootstrapcdn.com/bootstrap/4.5.2/css/bootstrap.min.css">
<script src="https://ajax.googleapis.com/ajax/libs/jquery/3.5.1/jquery.min.js"></script>
<script src="https://cdnjs.cloudflare.com/ajax/libs/popper.js/1.16.0/umd/popper.min.js"></script>
<script src="https://maxcdn.bootstrapcdn.com/bootstrap/4.5.2/js/bootstrap.min.js"></script>
<script src="https://cdn.bootcdn.net/ajax/libs/layui/2.5.6/layui.js"></script>
<link rel="stylesheet" href="https://cdn.bootcdn.net/ajax/libs/layui/2.5.6/css/layui.css">
<link rel="stylesheet" href="style.css">
</head>
<body>
<div class="container">
<h2>人脸考勤系统</h2>
<div class="row">
<div class="col-md-6">
<div class="card">
<div class="card-header">考勤签到</div>
<div class="card-body">
<form>
<div class="form-group">
<label for="username">用户名:</label>
<input type="text" class="form-control" id="username" placeholder="请输入用户名">
</div>
<div class="form-group">
<label for="password">密码:</label>
<input type="password" class="form-control" id="password" placeholder="请输入密码">
</div>
<div class="form-group">
<button type="button" class="btn btn-primary" onclick="signIn()">签到</button>
</div>
</form>
</div>
</div>
</div>
<div class="col-md-6">
<div class="card">
<div class="card-header">考勤记录</div>
<div class="card-body">
<table class="table table-striped">
<thead>
<tr>
<th>用户名</th>
<th>签到时间</th>
</tr>
</thead>
<tbody id="attendance-list">
</tbody>
</table>
</div>
</div>
</div>
</div>
</div>
<script src="main.js"></script>
</body>
</html>
```
```css
body {
background-color: #f2f2f2;
}
.container {
margin-top: 50px;
}
.card-header {
font-weight: bold;
font-size: 20px;
}
.card-body {
padding: 20px;
}
.form-group {
margin-bottom: 20px;
}
.table {
margin-top: 20px;
}
.table th,
.table td {
text-align: center;
}
.table th {
font-weight: bold;
font-size: 16px;
}
```
后端代码：
```python
import cv2
import os
import numpy as np
import datetime
import face_recognition
import base64
from flask import Flask, jsonify, request
app = Flask(__name__)
# 加载已知人脸编码
known_face_encodings = []
known_face_names = []
for file in os.listdir("known_faces"):
if file.endswith(".jpg"):
image = face_recognition.load_image_file("known_faces/" + file)
encoding = face_recognition.face_encodings(image)[0]
known_face_encodings.append(encoding)
known_face_names.append(os.path.splitext(file)[0])
attendance_records = []
@app.route("/")
def home():
return "Welcome to Face Recognition Attendance System!"
@app.route("/api/signIn", methods=["POST"])
def signIn():
# 提取请求中的用户名和密码
username = request.form.get("username")
password = request.form.get("password")
# 验证用户名和密码
if username != "admin" or password != "123456":
return jsonify({"status": "fail", "message": "用户名或密码错误"})
# 打开摄像头
camera = cv2.VideoCapture(0)
# 循环读取视频流
while True:
ret, frame = camera.read()
if not ret:
break
# 将图片大小缩小为原来的1/4，加快识别速度
small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25)
# 将图片从BGR格式转换为RGB格式
rgb_small_frame = small_frame[:, :, ::-1]
# 在图片中识别人脸
face_locations = face_recognition.face_locations(rgb_small_frame)
face_encodings = face_recognition.face_encodings(rgb_small_frame, face_locations)
# 遍历所有检测到的人脸
for face_encoding in face_encodings:
# 判断是否为已知人脸
matches = face_recognition.compare_faces(known_face_encodings, face_encoding)
name = "Unknown"
if True in matches:
first_match_index = matches.index(True)
name = known_face_names[first_match_index]
# 绘制人脸识别框
top, right, bottom, left = face_locations[0]
top *= 4
right *= 4
bottom *= 4
left *= 4
cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2)
# 绘制人脸名称
cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 0, 255), cv2.FILLED)
font = cv2.FONT_HERSHEY_DUPLEX
cv2.putText(frame, name, (left + 6, bottom - 6), font, 1.0, (255, 255, 255), 1)
# 记录考勤记录
now = datetime.datetime.now()
attendance_records.append({"name": name, "time": now.strftime("%Y-%m-%d %H:%M:%S")})
# 保存考勤记录到文件
with open("attendance_records.txt", "a") as f:
f.write("{}\t{}\n".format(name, now.strftime("%Y-%m-%d %H:%M:%S")))
# 将考勤记录转换为Base64编码，以便前端显示
attendance_list = []
for record in attendance_records:
attendance_list.append({"name": record["name"], "time": record["time"]})
attendance_list_str = str(attendance_list)
attendance_list_bytes = attendance_list_str.encode("utf-8")
attendance_list_base64 = base64.b64encode(attendance_list_bytes).decode("utf-8")
# 返回考勤记录给前端
return jsonify({"status": "success", "attendance_list": attendance_list_base64})
# 显示视频流
cv2.imshow("Video", frame)
# 按下q键退出循环
if cv2.waitKey(1) & 0xFF == ord("q"):
break
# 释放摄像头并关闭窗口
camera.release()
cv2.destroyAllWindows()
return jsonify({"status": "fail", "message": "未检测到人脸"})
if __name__ == "__main__":
app.run(debug=True)
```
相关推荐
最新推荐
基于人脸识别的课堂点名系统
提出基于人脸识别的课堂点名系统，大大提高了课堂点名的效率。本系统提供图像和摄像识别点名，可一次识别多个人脸，同时该系统也对系统难以识别的学生提供手动签到。系统运用OpenCV人脸识别开源库做算法部分，用Qt、...
使用卷积神经网络（CNN）做人脸识别的示例代码
在本文中，我们将深入探讨如何使用卷积神经网络（CNN）进行...通过合理的数据预处理、模型选择和训练，我们可以构建一个能够准确识别人脸的系统。在实践中，还需要不断调整和优化模型，以适应不同的应用场景和挑战。
海康人脸识别门禁系统改造方案.docx
目前大楼共有3个IC卡刷卡门禁出入口通道，采用双向验证模式，即员工在门外刷卡进入，...我们每天都在大厅安排一组值班人员测量体温，费时费力还效率低，急需将测温与人脸识别门禁相结合，做的全天候无遗漏的人员管理。
基于OpenCV人脸识别的分析与实现.doc
最后，通过上述理论学习，基于OpenCV，在Visual Studio 2012开发环境下，利用ORL人脸数据库，分别对上述算法进行了算法实现和实验验证，并且在最后创建了一个基于特征脸的实时人脸识别系统，该系统可以实现人脸的...
android实现人脸识别技术的示例代码
Android人脸识别技术示例代码 Android人脸识别技术的示例代码是Android开发者实现人脸识别功能的重要参考。该示例代码主要介绍了Android人脸识别技术的实现过程，包括人脸注册、人脸识别、人脸跟踪等功能。 一、...
BSC绩效考核指标汇总 (2).docx
BSC（Balanced Scorecard，平衡计分卡）是一种战略绩效管理系统，它将企业的绩效评估从传统的财务维度扩展到非财务领域，以提供更全面、深入的业绩衡量。在提供的文档中，BSC绩效考核指标主要分为两大类：财务类和客户类。
1. 财务类指标：
- 部门费用的实际与预算比较：如项目研究开发费用、课题费用、招聘费用、培训费用和新产品研发费用，均通过实际支出与计划预算的百分比来衡量，这反映了部门在成本控制上的效率。
- 经营利润指标：如承保利润、赔付率和理赔统计，这些涉及保险公司的核心盈利能力和风险管理水平。
- 人力成本和保费收益：如人力成本与计划的比例，以及标准保费、附加佣金、续期推动费用等与预算的对比，评估业务运营和盈利能力。
- 财务效率：包括管理费用、销售费用和投资回报率，如净投资收益率、销售目标达成率等，反映公司的财务健康状况和经营效率。
2. 客户类指标：
- 客户满意度：通过包装水平客户满意度调研，了解产品和服务的质量和客户体验。
- 市场表现：通过市场销售月报和市场份额，衡量公司在市场中的竞争地位和销售业绩。
- 服务指标：如新契约标保完成度、续保率和出租率，体现客户服务质量和客户忠诚度。
- 品牌和市场知名度：通过问卷调查、公众媒体反馈和总公司级评价来评估品牌影响力和市场认知度。
BSC绩效考核指标旨在确保企业的战略目标与财务和非财务目标的平衡，通过量化这些关键指标，帮助管理层做出决策，优化资源配置，并驱动组织的整体业绩提升。同时，这份指标汇总文档强调了财务稳健性和客户满意度的重要性，体现了现代企业对多维度绩效管理的重视。
管理建模和仿真的文件
管理Boualem Benatallah引用此版本：布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学，1996年。法语。NNT：电话：00345357HAL ID：电话：00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆，用于存放和传播科学研究论文，无论它们是否被公开。论文可以来自法国或国外的教学和研究机构，也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
【进阶】Flask中的会话与用户管理
# 2.1 用户注册和登录
### 2.1.1 用户注册表单的设计和验证
用户注册表单是用户创建帐户的第一步，因此至关重要。它应该简单易用，同时收集必要的用户信息。
* **字段设计：**表单应包含必要的字段，如用户名、电子邮件和密码。
* **验证：**表单应验证字段的格式和有效性，例如电子邮件地址的格式和密码的强度。
* **错误处理：**表单应优雅地处理验证错误，并提供清晰的错误消
卷积神经网络实现手势识别程序
卷积神经网络（Convolutional Neural Network, CNN）在手势识别中是一种非常有效的机器学习模型。CNN特别适用于处理图像数据，因为它能够自动提取和学习局部特征，这对于像手势这样的空间模式识别非常重要。以下是使用CNN实现手势识别的基本步骤：
1. **输入数据准备**：首先，你需要收集或获取一组带有标签的手势图像，作为训练和测试数据集。
2. **数据预处理**：对图像进行标准化、裁剪、大小调整等操作，以便于网络输入。
3. **卷积层（Convolutional Layer）**：这是CNN的核心部分，通过一系列可学习的滤波器（卷积核）对输入图像进行卷积，以
BSC资料.pdf
"BSC资料.pdf"
战略地图是一种战略管理工具，它帮助企业将战略目标可视化，确保所有部门和员工的工作都与公司的整体战略方向保持一致。战略地图的核心内容包括四个相互关联的视角：财务、客户、内部流程和学习与成长。
1. **财务视角**：这是战略地图的最终目标，通常表现为股东价值的提升。例如，股东期望五年后的销售收入达到五亿元，而目前只有一亿元，那么四亿元的差距就是企业的总体目标。
2. **客户视角**：为了实现财务目标，需要明确客户价值主张。企业可以通过提供最低总成本、产品创新、全面解决方案或系统锁定等方式吸引和保留客户，以实现销售额的增长。
3. **内部流程视角**：确定关键流程以支持客户价值主张和财务目标的实现。主要流程可能包括运营管理、客户管理、创新和社会责任等，每个流程都需要有明确的短期、中期和长期目标。
4. **学习与成长视角**：评估和提升企业的人力资本、信息资本和组织资本，确保这些无形资产能够支持内部流程的优化和战略目标的达成。
绘制战略地图的六个步骤：
1. **确定股东价值差距**：识别与股东期望之间的差距。
2. **调整客户价值主张**：分析客户并调整策略以满足他们的需求。
3. **设定价值提升时间表**：规划各阶段的目标以逐步缩小差距。
4. **确定战略主题**：识别关键内部流程并设定目标。
5. **提升战略准备度**：评估并提升无形资产的战略准备度。
6. **制定行动方案**：根据战略地图制定具体行动计划，分配资源和预算。
战略地图的有效性主要取决于两个要素：
1. **KPI的数量及分布比例**：一个有效的战略地图通常包含20个左右的指标，且在四个视角之间有均衡的分布，如财务20%，客户20%，内部流程40%。
2. **KPI的性质比例**：指标应涵盖财务、客户、内部流程和学习与成长等各个方面，以全面反映组织的绩效。
战略地图不仅帮助管理层清晰传达战略意图，也使员工能更好地理解自己的工作如何对公司整体目标产生贡献，从而提高执行力和组织协同性。