做一个人脸识别考勤机项目(利用OpenCV)

0.前言

重要说明：此项目直接跟进操作的话只能在Ubuntu16.04上面编译成功！目前已经补上18.04上的编译操作。

        本文主要跟随B站Up主【物联网小学妹】上传的【从0到1做一个物联网人脸识别考勤机项目！】视频教程做一个简要笔记

视频地址：【大厂敲门砖】从0到1做一个物联网人脸识别考勤机项目！（附源码）_哔哩哔哩_bilibili

 视频对应资源（没必要下载，帮助不大）： 

链接：https://pan.baidu.com/s/1rEhfDg_Yc1SMD40fGdVqhw?pwd=yjgn 
提取码：yjgn

学习所需前置条件：

        1.Linux系统安装  2.Linux操作基础  3.C++编程

我的Linux学习笔记：Linux学习笔记_Jenlibein的博客-CSDN博客

C++学习跟进可以看这个：【2023最新版C++】实战项目教程，清华武老师带你零基础一套快速学会c++_哔哩哔哩_bilibili

目录

1.安装与配置

1.1下载

1.2安装

1.3中文配置

2.C++程序编写

3.OpenCV 初次认识 / 安装

3.1介绍

3.2安装

3.3更多学习

4.OpenCV编程

4.0确保摄像头打开

4.1图像采集

4.2图像处理

4.3人脸检测

4.4图像截图/图片解码和编码

5.百度智能云平台

5.1人脸库创建

5.2 SDK环境搭建

5.3百度智能云平台接入

6.数据处理

6.1Json数据解析

6.2记录考勤时间

6.3考勤信息记录及显示

7.最终实现

8.文章结束

1.安装与配置

1.1下载

视频中使用的Linux发行版为Ubuntu16.04，可以在我给出的 视频对应资源 中下载得到。

        但是，百度网盘的必须要VIP才能下载这么大的文件，不然就不知道要下载到猴年马月了。

        所以，我建议在国内镜像源中下载：ubuntu 16.04 镜像下载（国内开源镜像站）_ubuntu16.04-CSDN博客

        按常理说，下载选择的文件后缀应该是【desktop-amd64.iso】，选择好下载即可。

1.2安装

        可以参考Linux学习笔记那的三个方法

1.3中文配置

        在左栏菜单选中【System Settings】

        进入设置菜单选中【Language Support】

        第一次进入会有个提示安装的窗口，点确认。

        然后点【Install / Remove Languages...】选项，进入窗口后下拉找到Chinese(simplified)并勾选，然后点Apply，进入下载。

        回到【Language Support】窗口，然后在上列菜单中，将下面的 [  汉语（中国）] 拖动到最上面位置，确保该文字由灰色 变为黑色 并处于第一位 ，然后重启电脑。

        进到中文语言的系统。

        拼音设置：可以查看Linux下使用拼音的相关教程

2.C++程序编写

        B站教程中用gedit进行创建文本，然后在文本里写C++代码。

        然后用

g++ file.cpp -o 输出名称

        来输出可执行文件

        

        用到第三方库时，编译时要加上链接（例如OpenCv的highgui库）

g++ main.cpp -o main -lopencv_highgui

        我认为：还是用vscode等专业的IDE来编写代码更好，有利于编写时候的视觉观看和找bug。

        编写时候主要用OpenCV库

#include "opencv2/opencv.hpp"

        并使用命名空间

using namespace cv;

3.OpenCV 初次认识 / 安装

3.1介绍

        OpenCV是一个开源的计算机视觉和机器学习软件库其使用一系列C语言函数和少量C++类实现，内部实现了很多图像处理和计算机视觉的通用算法。

        OpenCV可以运行在Linux系统上，且其轻量、高效所以在嵌入式领域得到广泛的应用。

3.2安装

终端中输入命令：

sudo apt-get install libopencv-dev

3.3更多学习

官方在线文档（深入学习使用）：OpenCV - Open Computer Vision Library

网上OpenCV的教程大多数是以python作为编程语言，C++作为编程语言的教程较少。

我在B站上发现一个OpenCV的C++教程：2023年度最佳 Open Cv 学习教程，C++向！_哔哩哔哩_bilibili

当然之后也可以通过Python学习其他的OpenCV教程。

4.OpenCV编程

4.0确保摄像头打开

         如何确认Linux下有无摄像头接入：进入dev文件夹查看有无vedio文件。

        虚拟机内没有识别，需要另外设置：虚拟机设置 - USB控制器 - USB兼容性 ---> 改为USB3.0或3.1并点确定

然后在虚拟机主窗口 左上角菜单 - 虚拟机(M) - 可移动设备 - 找到摄像头设备 ---> 点击链接

如果还是不行，观察虚拟机主窗口右下角有无对应摄像头的USB图标--->有则右键 - 选择连接

4.1图像采集

库：highgui

函数：VideoCapture（摄像头开启）

摄像头设置参数：

VideoCapture cap(0);

 cap.set(CV_CAP_PROP_FRAME_WIDTH, 1080);//宽度 
 cap.set(CV_CAP_PROP_FRAME_HEIGHT, 960);//高度
 cap.set(CV_CAP_PROP_FPS, 30);//帧率 帧/秒
 cap.set(CV_CAP_PROP_BRIGHTNESS, 1);//亮度 1
 cap.set(CV_CAP_PROP_CONTRAST,40);//对比度 40
 cap.set(CV_CAP_PROP_SATURATION, 50);//饱和度 50
 cap.set(CV_CAP_PROP_HUE, 50);//色调 50
 cap.set(CV_CAP_PROP_EXPOSURE, 50);//曝光 50

获取参数：

cap.get(CV_CAP_PROP_FRAME_WIDTH);
cap.get(CV_CAP_PROP_FRAME_HEIGHT);
cap.get(CV_CAP_PROP_FPS);
cap.get(CV_CAP_PROP_BRIGHTNESS);
cap.get(CV_CAP_PROP_CONTRAST);
cap.get(CV_CAP_PROP_SATURATION);
cap.get(CV_CAP_PROP_HUE);
cap.get(CV_CAP_PROP_EXPOSURE);

库：core

函数：Mat（定义图像容器）

具体可通过代码注释了解：

#include <iostream>
#include "opencv2/opencv.hpp"

using namespace std;
using namespace cv;

int main(){
    VideoCapture cap(0); //括号内数字代表摄像头编号，一般为0 -> 打开编号为0的摄像头并命名为cap

    if(!cap.isOpened()){ //检测是否成功打开摄像头
        cout<< "Camera open failed" <<endl;
        return -1;
    }else{
        cout<< "Camera open success" <<endl;
    }

    Mat ColorImage; //实例化一个Mat类型数据（类似于 int a)

    for(;;){
        cap >> ColorImage; //从相机获取一个新的框架(拍照）

        imshow("video",ColorImage);  //图片展示，引号内为终端窗口名称，第二个参数为显示的具体照片
    
        waitKey(100); //暂停100ms
    }//想退出循环直接在终端中按Ctrl+C
    
    return 0;
}

编译要加上库，不然会报错 

VideoCapture位于highgui
Mat位于core

g++ main.cpp -o main -lopencv_highgui -lopencv_core

opencv读取视频有延迟解决方法:

        opencv在摄像机每次获取的新帧时候总是先把上一次读取的帧拿出来先用，再把新帧加入缓存.

        所以要想获取最新的帧，一定要连续读两次才是当前最新的。

        也就是把 cap >> ColorImage; 重复两行。

4.2图像处理

库：imgproc - Image Processing

函数1：cvtColor（色彩转换）：void cvtColor(InputArray src, OutputArray dst, int code, int dstCn=0)

第一个参数 src - source输入容器；输入图像:8位无符号，16位无符号(CV_16UC…)，或单精度浮点。

第二个参数 dst - Destination输出容器，输出目标与原图像具有同样的大小与类型。

第三个参数 code

        转换方式:：CV_BGR2GRAY，CV RGB2GRAY，CY GRAY2BGR， CY GRAY2RGB

        分别对应：1,2对应彩转灰 ，3,4对应灰转彩。

函数2：equalizeHist（直方图均衡）：void equalizeHist (InputArray src, OutputArray dst)

第一个参数，输入8位单通道的图像；

第二个参数，输出目标图像，与原图像具有同样的大小与类型；

上面两个函数处理图像后可以利于人脸检测运行。

函数3：调整大小（此步骤非必要）：

resize( InputArray src, OutputArray dst, Size(width, height), code );

code：

INTER_AREA 使用像素面积关系进行重采样。这最适合减小图像的大小(缩小)。当用于放大图像时，它使用INTER_NEAREST方法。

INTER_CUBIC 这使用双三次插值来调整图像大小。在调整大小和插入新像素时，此方法作用于图像的4x4相邻像素。然后取16个像素的权重平均值来创建新的插值像素。

INTER LINEAR:这个方法有点类似于INTER CUBI插值。与不同INTER CUBIC的是这使用2x2相像素来获得插值像素的加权平均值。

INTER_NEAREST:该INTER_NEAREST方法使用最近邻概念进行插值。这是最简单的方法之一，仅使用图像中的一个相邻像素进行插值。

代码实现（4.1原有代码为基础）：

#include <iostream>
#include "opencv2/opencv.hpp"

using namespace std;
using namespace cv;

int main(){
    VideoCapture cap(0);

    if(!cap.isOpened()){
        cout<< "Camera open failed" <<endl;
        return -1;
    }else{
        cout<< "Camera open success" <<endl;
    }

    Mat ColorImage;
    Mat GrayImage;   //创建灰度图容器

    for(;;){
        cap >> ColorImage;

        cvtColor(ColorImage, GrayImage, CV_BGR2GRAY);  //转为灰度图
        equalizeHist(GrayImage, GrayImage);            //均衡化；输入输出容器一致，可以省一些内存。
        
        imshow("video",GrayImage);
        waitKey(100);
    }
    
    return 0;
}

编译：

g++ main.cpp -o main -lopencv_highgui -lopencv_core -lopencv_imgproc

4.3人脸检测

库：objdetect - Object Detection

类：CascadeClassifier（级联分类器） 需要先导入一个后缀名为.xml的分类器文件，它是前人已经创建好的分类器，我们可以直接使用

OpenCV安装时自带的一些训练好的模型文件位置：/usr/share/opencv/haarcascades/

函数1：CascadeClassifier :: detectMultiScale

功能：从输入的图片中检测不同尺寸的物体（载入人脸识别模型后这个物体就是人脸），并返回一个矩形组成的列表（矩形框起来的就是脸）。

void CascadeClassifier:: detectlultiScale(const Mat& image, vector<Rect>& objects, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size())

第一个参数：输入目标，要检测的图像

第二个参数：输出目标，存储矩形框的容器

其他参数：有默认值，使用默认值即可

库：core

方法：rectangle（在图形上画矩形）

void rectangle(Mat& img, Rect rec, const Scalar& color, int thickness=1, int lineType=8, int shift=0 ) 

第一个参数：要画的图像

第二个参数：输入的矩形

第三个参数：矩形颜色

其他参数：默认值即可

代码实现（基于以前代码增加）：

#include <iostream>
#include "opencv2/opencv.hpp"

using namespace std;
using namespace cv;

int main(){
    VideoCapture cap(0);

    if(!cap.isOpened()){
        cout<< "Camera open failed" <<endl;
        return -1;
    }else{
        cout<< "Camera open success" <<endl;
    }

    实例化一个级联分类器,此处加载opencv现成的模型
    CascadeClassifier Classifier("/usr/share/opencv/haarcascades/haarcascade_frontalface_alt2.xml");
    定义一个储存所输出矩形的容器
    vector<Rect> AllFace;

    Mat ColorImage;
    Mat GrayImage;

    for(;;){
        cap >> ColorImage;
        cvtColor(ColorImage, GrayImage, CV_BGR2GRAY);
        equalizeHist(GrayImage, GrayImage);

        人脸检测并输出;
        Classifier.detectMultiScale(GrayImage, AllFace); 
	
	if( AllFace.size()!=0 ){   //判断是否有脸，避免程序出错
	    图像上画出矩形
	    rectangle(GrayImage, AllFace[0], Scalar(255,0,0));
        }

        imshow("video",GrayImage);
        waitKey(100);
    }
    
    return 0;
}

编译：

g++ main.cpp -o main -lopencv_highgui -lopencv_core -lopencv_imgproc -lopencv_objdetect

4.4图像截图/图片解码和编码

库：highgui

函数1：imdecode（函数解码）

函数2：imencode（函数编码）

bool imencode(const string& ext, InputArray img, vectoreuchar>& buf, const vector<int> & params=vector <int>0)

第一个参数：输出后所希望获得的格式

第二个参数：输入的图像

第三个参数：存储编码完图像的容器

其他参数：保持默认

代码实现（基于以前代码增加）：

#include <iostream>
#include "opencv2/opencv.hpp"

using namespace std;
using namespace cv;

int main(){
    VideoCapture cap(0);

    if(!cap.isOpened()){
        cout<< "Camera open failed" <<endl;
        return -1;
    }else{
        cout<< "Camera open success" <<endl;
    }

    CascadeClassifier Classifier("/usr/share/opencv/haarcascades/haarcascade_frontalface_alt2.xml");
    vector<Rect> AllFace;

    Mat ColorImage;
    Mat GrayImage;
    创建人脸截图容器
    Mat MatFace;
    创建用于存储编码完图像的容器
    vector<uchar> JpgFace;

    for(;;){
        cap >> ColorImage;
        cvtColor(ColorImage, GrayImage, CV_BGR2GRAY);
        equalizeHist(GrayImage, GrayImage);

        Classifier.detectMultiScale(GrayImage, AllFace); 
	
	if( AllFace.size()!=0 ){
	    rectangle(GrayImage, AllFace[0], Scalar(255,0,0));

            用矩形截出人脸（相当于截图）
            MatFace = GrayImage(AllFace[0]); 
            编码
            imencode(".jpg", MatFace, JpgFace);
        }

        imshow("video",GrayImage);
        waitKey(100);
    }
    
    return 0;
}

5.百度智能云平台

5.1人脸库创建

人脸识别区：人脸识别_人脸识别_准确率99.99%_免费试用-百度AI开放平台 (baidu.com)

进入网站点立即使用，之后先登录，登录完后进入默认界面。

此时退出该登录主页，重新进入人脸识别区主页，再次点击立即使用。 

之后点如图处

进入页面后，领取人脸识别接口免费资源

下一步如图进入-可视化人脸库

点【新建组】

点击用户组ID

点击新建用户，添加你自己的照片和其他人的照片，比如某些明星的正脸照。

5.2 SDK环境搭建

SDK开发包下载：C++-SDK - 人脸识别_人脸检测_人脸对比_人脸搜索_活体检测_百度智能云 (baidu.com)

将SDK压缩包解压缩后的文件夹放到Ubuntu里面

SDK包相关依赖下载：安装依赖库libcurl（需要支持https）， openssl，jsoncpp(>1.6.2版本，0.x版本将不被支持)。

libcurl（网络通信的协议库）

openssl（网络通信加密）

jsoncpp（提取信息）

安装：

sudo apt-get install libcurl4-openssl-dev

sudo apt-get install openssl

sudo apt-get install libjsoncpp-dev

sudo apt-get install libssl-dev

检测是否安装成功（install ok字样，同时观察版本是否合适）

dpkg -s libcurl4-openssl-dev

dpkg -s openssl

dpkg -s libjsoncpp-dev

sudo apt-get install libssl-dev

编译（文件库支持C++11版本，同时需要加上第三方库）

将cpp文件放置于SDK文件夹里面，方便编译时找到头文件

编译文件时候在最后加入 （ -std=c++11 -lcurl -lcrypto -ljsoncpp）

g++ main.cpp -o main -lopencv_highgui -lopencv_core -lopencv_imgproc -lopencv_objdetect -std=c++11 -lcurl -lcrypto -ljsoncpp

修改 base.h 和 http.h 文件中json头文件的目录位置

        #include <jsoncpp/json/json.h>

（未解决）评论区反应face.h的search函数出现问题

编写

加入相关头文件和命名空间

        #include "face.h"

        using namespace aip;

5.3百度智能云平台接入

百度提供代码：

  // 设置APPID/AK/SK
    std::string app_id = "你的 App ID";
    std::string api_key = "你的 Api key";
    std::string secret_key = "你的 Secret Key";

    aip::Face client(app_id, api_key, secret_key);

 回到 百度智能云平台-应用列表

查看相应参数，写到所给代码对应位置

函数：（注意，视频所给的函数是search，但官方文档已经更新成search_v3）：

// 调用人脸搜索
result = client.face_search_v3(image, image_type, group_id_list, aip::null);
// 带参数调用人脸搜索
result = client.face_search_v3(image, image_type, group_id_list, options);

//此处options填你最终储存容器

// 如果有可选参数
std::map<std::string, std::string> options;
options["match_threshold"] = "70";
options["quality_control"] = "NORMAL";
options["liveness_control"] = "LOW";
options["user_id"] = "233451";
options["max_user_num"] = "3";

image ：图片信息(总数据大小应小于10M)

image_type：图片类型 BASE64:（图片大小不超过2M），URL:图片的 URL地址，FACE_TOKEN: 人脸图片的唯一标识。

group_id_list：从指定的group中进行查找 用逗号分隔，上限10个

这里我们使用base64编码：

base64_encode(const char* bytes_to_encode, unsigned int int_len);

接收返回数据：

百度提供代码(最终获取的容器）：

Json::Value result;

 返回数据示例：

{
  "face_token": "fid",
  "user_list": [
     {
        "group_id" : "test1",
        "user_id": "u333333",
        "user_info": "Test User",
        "score": 99.3
    }
  ]
}

代码实现（基于前面写的代码修改）：

#include <iostream>
#include "opencv2/opencv.hpp"
#include "face.h"        //库

using namespace std;
using namespace cv;
using namespace aip;     //命名空间

int main(){
    VideoCapture cap(0);

    if(!cap.isOpened()){
        cout<< "Camera open failed" <<endl;
        return -1;
    }else{
        cout<< "Camera open success" <<endl;
    }

    CascadeClassifier Classifier("/usr/share/opencv/haarcascades/haarcascade_frontalface_alt2.xml");
	
    //写上对参数到所给代码
    aip::Face client("******", "******", "******");

    vector<Rect> AllFace;

    Mat ColorImage;
    Mat GrayImage;
    Mat MatFace;

    vector<uchar> JpgFace;

    //定义转换完成base64格式的图片
    string Base64Face;
    //定义获取返回结果的容器
    Json::Value result;

    for(;;){
        cap >> ColorImage;
        cvtColor(ColorImage, GrayImage, CV_BGR2GRAY);
        equalizeHist(GrayImage, GrayImage);

        Classifier.detectMultiScale(GrayImage, AllFace); 
	
	if( AllFace.size()!=0 ){
	    rectangle(GrayImage, AllFace[0], Scalar(255,0,0));

            MatFace = GrayImage(AllFace[0]); 
            imencode(".jpg", MatFace, JpgFace);
            //编码成base64
            Base64Face = base64_encode((char *)JpgFace.data(), JpgFace.size());
            //传输到百度，获取返回结果
            result = client.face_search_v3(Base64Face, "BASE64", "Teaching", result);
            //打印结果
            cout<<result<<endl;
        }

        imshow("video",GrayImage);
        waitKey(100);
    }
    
    return 0;
}

编译：

g++ main.cpp -o main -lopencv_highgui -lopencv_core -lopencv_imgproc -lopencv_objdetect  -std=c++11 -lcurl -lcrypto -ljsoncpp

运行后成功获取返回信息：

6.数据处理

6.1Json数据解析

        观察百度所给的返回数据形式

        我们要获取的目标是人脸所对应的人的信息，所以我们只需要从数据中提取特定信息

        1.判断是否检测到人脸

                opencv所给模型不太精确，会将疑似为人脸的物体也上传。百度会进行第二次检测是否有人脸。如果返回为空则不打印信息

        2.判断人脸匹配得分

                如果匹配得分很低说明只是有人脸，百度会返回得分最高的人，即使得分很低，所以结果会不准确。所以我们要控制得分在80以上

        3.只返回人脸所匹配的人的名字

                其他信息对我们获取人的身份信息没有什么作用，我们只需要获取匹配人的名字。

代码实现（基于前面写的代码修改）：

#include <iostream>
#include "opencv2/opencv.hpp"
#include "face.h"

using namespace std;
using namespace cv;
using namespace aip;

int main(){
    VideoCapture cap(0);

    if(!cap.isOpened()){
        cout<< "Camera open failed" <<endl;
        return -1;
    }else{
        cout<< "Camera open success" <<endl;
    }

    CascadeClassifier Classifier("/usr/share/opencv/haarcascades/haarcascade_frontalface_alt2.xml");

    aip::Face client("******", "lNW******5EF", "XItO******FzS");

    vector<Rect> AllFace;

    Mat ColorImage;
    Mat GrayImage;
    Mat MatFace;

    vector<uchar> JpgFace;

    string Base64Face;

    Json::Value result;

    for(;;){
        cap >> ColorImage;
        cvtColor(ColorImage, GrayImage, CV_BGR2GRAY);
        equalizeHist(GrayImage, GrayImage);

        Classifier.detectMultiScale(GrayImage, AllFace); 
	
	if( AllFace.size()!=0 ){
	    rectangle(GrayImage, AllFace[0], Scalar(255,0,0));

            MatFace = GrayImage(AllFace[0]); 
            imencode(".jpg", MatFace, JpgFace);

            Base64Face = base64_encode((char *)JpgFace.data(), JpgFace.size());
            result = client.face_search_v3(Base64Face, "BASE64", "Teaching", result);
            if( !result["result"].isNull() )//判断是否检测到人脸(opencv所给模型不一定准确，百度会进行第二次检测是否有人脸）
            {
                if( result["result"]["user_list"][0]["score"].asInt() > 80 )//判断人脸匹配得分是否大于80
		        {
                    cout<<result["result"]["user_list"][0]["user_id"]<<endl;//输出人名
		        }
            }
        }

        imshow("video",GrayImage);
        waitKey(500);
    }
    
    return 0;
}

编译运行，成功获取打印对应信息。

6.2记录考勤时间

时间容器：time_sec 

时间获取 (从1970.1.1 0:0:0到现在的秒数)   time(NULL);

时间转换(转换为正常时间） ctime()

代码实现：

#include <iostream>
#include "opencv2/opencv.hpp"
#include "face.h"

using namespace std;
using namespace cv;
using namespace aip;

int main(){
    VideoCapture cap(0);

    if(!cap.isOpened()){
        cout<< "Camera open failed" <<endl;
        return -1;
    }else{
        cout<< "Camera open success" <<endl;
    }

    CascadeClassifier Classifier("/usr/share/opencv/haarcascades/haarcascade_frontalface_alt2.xml");

    aip::Face client("******", "lNW******5EF", "XItO******FzS");

    vector<Rect> AllFace;

    Mat ColorImage;
    Mat GrayImage;
    Mat MatFace;

    vector<uchar> JpgFace;

    string Base64Face;

    Json::Value result;

    //时间容器
    time_t sec;

    for(;;){
        cap >> ColorImage;
        cvtColor(ColorImage, GrayImage, CV_BGR2GRAY);
        equalizeHist(GrayImage, GrayImage);

        Classifier.detectMultiScale(GrayImage, AllFace); 
	
	if( AllFace.size()!=0 ){
	    rectangle(GrayImage, AllFace[0], Scalar(255,0,0));

            MatFace = GrayImage(AllFace[0]); 
            imencode(".jpg", MatFace, JpgFace);

            Base64Face = base64_encode((char *)JpgFace.data(), JpgFace.size());
            result = client.face_search_v3(Base64Face, "BASE64", "Teaching", result);
            if( !result["result"].isNull() )
            {
                if( result["result"]["user_list"][0]["score"].asInt() > 80 )
                {
                    cout<<result["result"]["user_list"][0]["user_id"]<<endl;
                    //时间获取(从1970.1.1 0:0:0到现在的秒数)
                    sec = time(NULL);
                    //ctime()时间转换(转换为正常时间）
                    //输出时间信息
                    cout<<ctime(&sec)<<endl;
                }
            }
        }

        imshow("video",GrayImage);
        waitKey(500);
    }
    
    return 0;
}

编译运行，成功返回时间信息

6.3考勤信息记录及显示

记录考勤信息：运行程序时将信息定向到文本文件中

./main >> log.txt

问题：这样执行就只会将信息存在log.txt中，不再从终端窗口显示.

解决：我们可以从摄像头窗口的人脸识别框上直接显示人名和时间

库：core

函数：putText （图像上写字）

void putText(Mat& img, const string& text, Point org, int fontFace, double fontScale, Scalar color, int thickness=1, int lineType=8, bool bottomLeftOrigin=false ) 

第一个参数：要写字的图像

第二个参数：要写的字

第三个参数：字在图像上的坐标

第四个参数：图像的字体（具体看官方文档）

第五个参数：字的大小

第六个参数：字的颜色

代码实现（在原有代码下加入）

编译运行：

左上角出现字

7.最终实现

虚拟机记得改摄像头兼容性！！！！！！

文件：

代码：

#include <iostream>
#include "opencv2/opencv.hpp"
#include "face.h"

using namespace std;
using namespace cv;
using namespace aip;

int main(){
    VideoCapture cap(0);

    if(!cap.isOpened()){
        cout<< "Camera open failed" <<endl;
        return -1;
    }else{
        cout<< "Camera open success" <<endl;
    }

    CascadeClassifier Classifier("/usr/share/opencv/haarcascades/haarcascade_frontalface_alt2.xml");

    aip::Face client("4******8", "lN************EF", "XIt******8FzS");

    vector<Rect> AllFace;

    Mat ColorImage;
    Mat GrayImage;
    Mat MatFace;

    vector<uchar> JpgFace;

    string Base64Face;

    Json::Value result;

    time_t sec;

    for(;;){
        cap >> ColorImage;
        cvtColor(ColorImage, GrayImage, CV_BGR2GRAY);
        equalizeHist(GrayImage, GrayImage);

        Classifier.detectMultiScale(GrayImage, AllFace); 
	
	if( AllFace.size()!=0 ){
	    rectangle(GrayImage, AllFace[0], Scalar(255,0,0));

            MatFace = GrayImage(AllFace[0]); 
            imencode(".jpg", MatFace, JpgFace);

            Base64Face = base64_encode((char *)JpgFace.data(), JpgFace.size());
            result = client.face_search_v3(Base64Face, "BASE64", "Teaching", result);
            if( !result["result"].isNull() )
            {
                if( result["result"]["user_list"][0]["score"].asInt() > 80 )
                {
                    cout<<result["result"]["user_list"][0]["user_id"]<<endl;

                    sec = time(NULL);
                    cout<<ctime(&sec)<<endl;


                    putText(GrayImage, result["result"]["user_list"][0]["user_id"].asString(), Point(0,50), FONT_HERSHEY_SIMPLEX, 1, Scalar(255,255,255));
                    putText(GrayImage,ctime(&sec), Point(0,100), FONT_HERSHEY_SIMPLEX, 1, Scalar(255,255,255));
                }
            }
        }

        imshow("video",GrayImage);
        waitKey(2);
    }
    
    return 0;
}

安装：

opencv:

sudo apt-get install libopencv-dev

百度云相关支持：

sudo apt-get install libcurl4-openssl-dev

sudo apt-get install openssl

sudo apt-get install libjsoncpp-dev

sudo apt-get install libssl-dev

编译：

g++ main.cpp -o main -lopencv_highgui -lopencv_core -lopencv_imgproc -lopencv_objdetect  -std=c++11 -lcurl -lcrypto -ljsoncpp

18.04:
g++ main.cpp -o main -lopencv_highgui -lopencv_core -lopencv_imgproc -lopencv_objdetect  -std=c++11 -lcurl -lcrypto -ljsoncpp -lopencv_imgcodecs -lopencv_videoio

运行：

./main >> log.txt

一切正常（我把我的API隐藏了，所以文章中的代码无法直接运行，需要加上你的API）

8.文章结束

        感谢大家观看！

 文章来源地址https://www.toymoban.com/news/detail-855569.html

到了这里，关于做一个人脸识别考勤机项目(利用OpenCV)的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！