人脸识别考勤重复打卡解决方法

还在为OpenCV人脸识别考勤系统重复记录考勤信息而烦恼吗？本文针对基于OpenCV和face_recognition库构建的人脸识别考勤系统，提供了两种有效的解决方案，彻底解决考勤重复记录的问题。通过详细分析代码逻辑和文件读写操作，我们分别提出了循环外判断和内存缓存两种优化方案，并提供详尽的代码示例和解释，帮助您快速理解并应用到实际项目中，提升考勤系统的准确性和效率。无论您是初学者还是有一定经验的开发者，都能轻松掌握这些技巧，让您的人脸识别考勤系统更加稳定可靠。告别重复记录，提升考勤效率，就从本文开始！

本文旨在解决基于 OpenCV 和 face_recognition 库构建的人脸识别考勤系统中，重复记录考勤信息的问题。通过分析代码逻辑和文件读写操作，提供两种优化方案，确保考勤记录的准确性和效率。针对初学者，本文提供详细的代码示例和解释，帮助读者理解并解决实际问题。

在人脸识别考勤系统中，一个常见的问题是当摄像头持续检测到同一张脸时，系统会重复将该人员的考勤信息写入 CSV 文件。这不仅导致数据冗余，也影响了考勤记录的准确性。本文将探讨如何解决这个问题，并提供两种优化方案，提升考勤系统的稳定性和效率。

问题分析

原始代码的问题在于 markAttendance 函数中的逻辑。该函数每次被调用时，都会打开 Attendance.csv 文件，读取所有已记录的姓名，然后检查当前检测到的姓名是否已存在。如果不存在，则将该姓名和当前时间写入文件。关键问题在于，这个检查和写入操作是在主循环中进行的，这意味着只要摄像头检测到人脸，markAttendance 函数就会被调用，从而导致重复写入。

解决方案一：循环外判断

第一个解决方案是将判断姓名是否已存在的逻辑移到循环外部。具体来说，首先在函数内部读取所有已存在的姓名，存储到一个列表中。然后在循环结束后，再判断当前姓名是否在列表中。如果不在，则写入文件。

def markAttendance(name):
    with open('Attendance.csv', 'r+') as f:
        nameList = []
        for line in f:
            entry = line.split(',')
            nameList.append(entry[0])

        if name not in nameList:
            dt = datetime.now().strftime('%H:%M:%S')
            f.writelines(f'\n{name},{dt}')

代码解释：

1. with open('Attendance.csv', 'r+') as f:：以读写模式打开 Attendance.csv 文件。with 语句确保文件在使用完毕后自动关闭。
2. nameList = []：创建一个空列表，用于存储已记录的姓名。
3. for line in f:：遍历文件中的每一行。
4. entry = line.split(',')：将每一行以逗号分隔，得到一个包含姓名和时间的列表。
5. nameList.append(entry[0])：将姓名添加到 nameList 中。
6. if name not in nameList:：判断当前检测到的姓名是否已存在于 nameList 中。
7. dt = datetime.now().strftime('%H:%M:%S')：获取当前时间，并格式化为 HH:MM:SS 字符串。
8. f.writelines(f'\n{name},{dt}')：将姓名和时间写入文件。

注意事项：

• 这种方法每次都会读取整个 CSV 文件，当数据量很大时，效率会降低。

解决方案二：内存缓存

第二个解决方案是在内存中缓存已记录的姓名列表。这意味着在程序启动时，读取 CSV 文件中的所有姓名，存储到一个列表中。然后，在每次检测到人脸时，直接在内存中查找该姓名是否已存在。如果不存在，则将该姓名添加到内存列表，并写入文件。

def readNames():
    with open('Attendance.csv', 'r') as f:
        nameList = []
        for line in f:
            entry = line.split(',')
            nameList.append(entry[0])
    return nameList

def markAttendance(name, nameList):
    if name not in nameList:
        nameList.append(name)
        with open('Attendance.csv', 'a') as f:
            dt = datetime.now().strftime('%H:%M:%S')
            f.writelines(f'\n{name},{dt}')

# 初始化姓名列表
nameList = readNames()

while True:
    # ... (人脸识别代码) ...
    if matches[matchIndex]:
        # ...
        markAttendance(name, nameList)

代码解释：

1. readNames() 函数：
   • 以只读模式打开 Attendance.csv 文件。
   • 读取所有姓名，存储到 nameList 中。
   • 返回 nameList。
2. markAttendance(name, nameList) 函数：
   • 接收姓名和姓名列表作为参数。
   • 判断姓名是否已存在于 nameList 中。
   • 如果不存在，则将姓名添加到 nameList 中，并以追加模式打开 Attendance.csv 文件，将姓名和时间写入文件。
3. nameList = readNames()：在主循环开始之前，调用 readNames() 函数，初始化 nameList。
4. markAttendance(name, nameList)：在主循环中，调用 markAttendance() 函数，传入姓名和 nameList。

代码修改示例（将上述代码整合到原代码中）：

import os
import cv2
import numpy as np
import face_recognition
from datetime import datetime

path = 'MainImages'
images = []
classNames = []
myList = os.listdir(path)

for cl in myList:
    curImg = cv2.imread(f'{path}/{cl}')
    images.append(curImg)
    classNames.append(os.path.splitext(cl)[0])

def findEncodings(images):
    encodeList = []
    for img in images:
        img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
        encode = face_recognition.face_encodings(img)[0]
        encodeList.append(encode)
    return encodeList

def readNames():
    with open('Attendance.csv', 'r') as f:
        nameList = []
        for line in f:
            entry = line.split(',')
            nameList.append(entry[0])
    return nameList

def markAttendance(name, nameList):
    if name not in nameList:
        nameList.append(name)
        with open('Attendance.csv', 'a') as f:
            dt = datetime.now().strftime('%H:%M:%S')
            f.writelines(f'\n{name},{dt}')

encodeListKnown = findEncodings(images)
print('Encoding Complete')

cap = cv2.VideoCapture(0)

nameList = readNames() # 初始化姓名列表

while True:
    success, img = cap.read()
    imgS = cv2.resize(img, (0, 0), None, 0.25, 0.25)
    imgS = cv2.cvtColor(imgS, cv2.COLOR_BGR2RGB)

    facesCurFrame = face_recognition.face_locations(imgS)
    encodesCurFrame = face_recognition.face_encodings(imgS, facesCurFrame)

    for encodeFace, faceLoc in zip(encodesCurFrame, facesCurFrame):
        matches = face_recognition.compare_faces(encodeListKnown, encodeFace)
        faceDis = face_recognition.face_distance(encodeListKnown, encodeFace)
        matchIndex = np.argmin(faceDis)

        if matches[matchIndex]:
            name = classNames[matchIndex].upper()
            y1, x2, y2, x1 = faceLoc
            y1, x2, y2, x1 = y1*4, x2*4, y2*4, x1*4
            cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
            cv2.rectangle(img, (x1, y2-35), (x2, y2), (0, 255, 0), cv2.FILLED)
            cv2.putText(img, name, (x1+6, y2-6), cv2.FONT_HERSHEY_COMPLEX, 1, (255, 255, 255), 2)
            markAttendance(name, nameList) # 传入姓名列表

    cv2.imshow('Webcam', img)
    cv2.waitKey(1)

注意事项：

• 这种方法将姓名列表存储在内存中，可以提高效率。
• 如果 CSV 文件很大，读取所有姓名可能会占用大量内存。
• 程序退出时，内存中的姓名列表不会保存到 CSV 文件中。如果需要持久化存储，需要在程序退出时将 nameList 重新写入 Attendance.csv。

总结

本文提供了两种解决人脸识别考勤系统重复记录问题的方案。第一种方案通过将判断逻辑移到循环外部，避免了重复写入。第二种方案通过在内存中缓存姓名列表，提高了效率。选择哪种方案取决于实际应用场景和数据量大小。对于数据量较小的应用，第一种方案可能更简单易懂。对于数据量较大的应用，第二种方案可能更高效。在实际应用中，可以根据具体情况选择合适的方案，并进行适当的优化。

以上就是《人脸识别考勤重复打卡解决方法》的详细内容，更多关于的资料请关注golang学习网公众号！