https://github.com/wijez/face_recognition_tool

Timekeeping
https://github.com/wijez/face_recognition_tool

computer-vision

Last synced: about 1 month ago
JSON representation

Timekeeping

• Host: GitHub
• URL: https://github.com/wijez/face_recognition_tool
• Owner: wijez
• Created: 2024-06-18T16:19:47.000Z (about 2 years ago)
• Default Branch: main
• Last Pushed: 2024-06-21T03:00:58.000Z (about 2 years ago)
• Last Synced: 2025-12-07T12:27:28.551Z (7 months ago)
• Topics: computer-vision
• Language: Python
• Homepage:
• Size: 43.9 KB
• Stars: 1
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

          
# Face_Recognition_Tool

Một công cụ đơn giản bằng Python để nhận dạng khuôn mặt và điểm danh sử dụng thư viện `face_recognition` (dựa trên dlib) và OpenCV.

Nội dung

- main.py — so sánh hai ảnh tĩnh, hiển thị khung khuôn mặt và khoảng cách giữa 2 encoding

- attendance.py — mở webcam, nhận diện theo ảnh mẫu trong thư mục `training/` và ghi thời gian điểm danh vào `output/data.csv`

Yêu cầu

- Python 3.7+

- CPU có khả năng build C/C++ (nếu cần build dlib từ nguồn) hoặc dùng wheel/channels phù hợp

- Thư viện Python:

  - numpy

  - opencv-python

  - face_recognition (cần dlib)

Cài đặt (khuyến nghị dùng virtualenv hoặc conda)

1. Tạo môi trường ảo (ví dụ với venv)

   - python -m venv .venv

   - source .venv/bin/activate  (Linux/macOS) hoặc .venv\Scripts\activate (Windows)

2. Cài dependencies cơ bản

   - pip install --upgrade pip

   - pip install numpy opencv-python

3. Cài dlib / face_recognition

   - Thử cài trực tiếp (nếu hệ thống có build tools):

     - pip install dlib

     - pip install face_recognition

   - Nếu gặp lỗi khi build dlib:

     - Trên Windows: cài Visual Studio Build Tools hoặc dùng wheel sẵn (tìm từ các nguồn wheel tương thích với phiên bản Python).

     - Hoặc dùng conda: conda install -c conda-forge dlib face_recognition

   - Lưu ý: face_recognition phụ thuộc nặng vào dlib; nếu bạn chỉ thử nghiệm, tìm wheel phù hợp thường nhanh hơn.

Cấu trúc thư mục mẫu

- training/

  - alice.jpg

  - bob.jpg

  (Tên file không chứa phần mở rộng chính là tên đối tượng được sử dụng để ghi điểm danh)

- output/

  - data.csv  (script sẽ mở file này để ghi; tốt nhất tạo trước hoặc script sẽ ghi nếu file tồn tại)

- main.py

- attendance.py

- README.md

Chuẩn bị dữ liệu

- Đặt ảnh mẫu vào `training/`. Mỗi ảnh tương ứng 1 người (hiện tại code lấy encoding[0] — giả định mỗi ảnh chứa đúng 1 khuôn mặt).

- Tên file (không bao gồm phần mở rộng) sẽ là tên được hiển thị và ghi vào file CSV.

Cách chạy

- So sánh 2 ảnh tĩnh (main.py)

  - python main.py

  - main.py hiện tại sử dụng đường dẫn hardcode:

    - "training/lizkimcuong.jpg" và "training/bichphuong2.jpg"

  - Kết quả: hiển thị 2 cửa sổ ảnh với khung khuôn mặt và in kết quả so sánh + khoảng cách (face distance)

- Điểm danh realtime từ webcam (attendance.py)

  - Đảm bảo có thư mục `training/` với ảnh mẫu và thư mục `output/` (với file data.csv)

  - python attendance.py

  - Mở webcam (device 0), nhận diện các khuôn mặt trên khung hình, nếu trùng khớp sẽ:

    - Vẽ khung và tên lên khung hình

    - Ghi một dòng mới vào `output/data.csv` theo định dạng: `Name,HH:MM:SS`

  - Nhấn `q` để thoát

Giải thích kỹ thuật ngắn gọn

- face_recognition.face_locations: tìm vị trí khuôn mặt trong ảnh

- face_recognition.face_encodings: chuyển khuôn mặt thành vector đặc trưng (encoding)

- face_recognition.compare_faces: so sánh encoding để trả True/False

- face_recognition.face_distance: trả khoảng cách (số càng nhỏ => càng giống)

- attendance.py giảm kích thước khung hình xuống 0.25 trước khi xử lý để cải thiện tốc độ

Vấn đề thường gặp & khắc phục

- Lỗi cài đặt dlib: cần cài build tools (Windows: Visual C++ Build Tools; Linux: build-essential, cmake); hoặc dùng conda/ prebuilt wheel.

- Webcam không mở: kiểm tra device index (thay `cv2.VideoCapture(0)` thành `1` hoặc khác), kiểm tra quyền truy cập camera.

- Ảnh mẫu không có face => face_encodings trả rỗng. Kiểm tra ảnh, ánh sáng, góc chụp.

- Nhiều khuôn mặt trong ảnh mẫu: hiện tại code chỉ lấy encoding[0]; nếu ảnh có nhiều khuôn mặt, nên tách ảnh hoặc chọn chính xác khuôn mặt mẫu.

- Hiệu năng chậm: giảm kích thước ảnh, chạy trên máy có GPU/DNN hoặc dùng model nhẹ hơn.

Gợi ý cải tiến (nên làm)

- Chuyển đường dẫn ảnh sang tham số CLI hoặc config file (ví dụ argparse).

- Tự động tạo thư mục `output/` và file `data.csv` nếu chưa tồn tại.

- Thêm ngưỡng (threshold) cho face_distance để điều chỉnh độ chính xác.

- Thêm logging thay vì print.

- Hỗ trợ nhiều ảnh mẫu / đa encoding cho từng người để tăng độ chính xác.

- Xử lý trường hợp nhiều khuôn mặt trong 1 ảnh mẫu.

- Thêm unit tests và hướng dẫn deploy lên Raspberry Pi (nếu muốn dùng offline).

Mẫu file CSV (output/data.csv)

Name,Time

ALICE,08:45:12

BOB,08:47:02

Giấy phép

- Không có file LICENSE trong repo gốc. Nếu bạn muốn công khai/ sử dụng lại, hãy thêm file LICENSE phù hợp (ví dụ MIT).

Đóng góp

- Bạn có thể mở issue hoặc gửi PR để thêm tính năng: cấu hình, cải thiện cài đặt dlib, hỗ trợ nhiều khuôn mặt/multi-encoding, v.v.