地方性文化创意元素的提炼与应用研究 (3).docx

《地方性文化创意元素的提炼与应用研究 (3).docx》由会员分享，可在线阅读，更多相关《地方性文化创意元素的提炼与应用研究 (3).docx（32页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、本科毕业设计（论文） 基于TensorFlow的上课自动点名系统设计与实现 Design and Implementation of Class NamingSystem Based onTensorFlow 院 （系）计算机学院专 业软件工程系班 级16级软件工程6班学 号16210120614学生姓名魏禄涛指导教师马世登提交日期 年 月 日内容摘要第一次工业革命的蒸汽时代；第二次工业革命的电气时代；第三次工业革命的科技时代，这三次工业革命无疑每一次都是推动世界巨变的革命。如今工业革命也迎来了第四次革命，工业4.0智能化时代，我们的生活必将会因为工业4.0的推进而大大的改变。出于对学校上课点

2、名机制的麻烦与耗时，所有打算做一款“基于TensorFlow的自动点名系统”。本次设计的上课自动点名系统主要是用到TensorFlow计算框架，该计算框架可以很好地实现各种深度学习算法。而本次用到的深度学习算法是卷积神经网络，训练模型的程序建立了一个包含4个卷积层的神经网络。将收集的学生面部图片输入到训练程序，训练得到的结果建立模型，最后通过模型识别学生人脸，提取人脸相应的名字，达到点名的效果，这整个实现的过程主要用到opencv。最后用PyQt5制作用户交互界面，通过可视化的用户交互界面更容易操作，达到自动点名的效果。综上所述，本文研究与实现具有很高的实用性，对学校课堂质量有所提高。关键词：

3、TensorFlow opencv PyQt5 工业4.0智能化时代 上课自动点名系统 卷积神经网络AbstractThe steam age of the first industrial revolution, the electrical age of the second industrial revolution and the scientific and technological age of the third industrial revolution, each of which is undoubtedly a revolution that promotes grea

4、t changes in the world. Now the industrial revolution has also ushered in the fourth revolution. In the era of intelligent industry 4.0, our lives will be greatly changed by the promotion of industry 4.0.Due to the trouble and time-consuming of the school attendance mechanism, we plan to build an au

5、tomatic attendance system based on tensorflow, which can solve the attendance situation of teachers and achieve zero time-consuming attendance task.In this design, the automatic roll call system in class mainly uses tensorflow calculation framework, which can well implement various deep learning alg

6、orithms. The deep learning algorithm used this time is convolutional neural network. The program of training model establishes a neural network with four convolution layers. Input the collected students face pictures into the training program, and build the model based on the training results. Final

7、ly, recognize the students face through the model, extract the corresponding name of the face, and achieve the effect of roll call. The whole implementation process mainly uses OpenCV. At last, the user interface is made with pyqt5, which is easier to operate and achieve the effect of automatic roll

8、 call.To sum up, the research and implementation of this paper has a high practicality and improves the quality of the school classroom.Key Words: TensorFlow opencv PyQt5 Industry 4.0 intelligent Era Automatic roll call system in class CNN目 录1. 绪论12.开发工具和技术简介22.1设计目标22.2 研究方法22.3项目中涉及的技术32.3.1 Pytho

9、n32.3.2 TensorFlow32.3.3 OpenCV32.3.4 PyQt543.系统需求分析53.1需求规格53.1.1系统的构成部分53.1.2功能性需求73.1.3非功能性需求93.2开发环境的选择94.系统设计104.1总体设计104.1.1系统结构方案设计104.1.2总体结构方案设计104.2系统结构与程序的关系124.3接口设计134.3.1用户接口134.3.2外部接口134.3.3内部接口134.4功能模块设计144.4.1总体设计144.4.2功能模块设计144.5功能故障处理设计154.5.1出错信息154.5.2补救措施154.5.3系统维护设计155.系统实

10、现与测试165.1创建文件夹模块165.1.1功能说明165.1.2程序运行过程截图165.2人脸识别模块165.2.1功能说明165.2.2程序运行过程截图175.3数据准备模块175.3.1功能说明175.3.2程序运行过程截图185.4数据处理加载模块185.4.1功能说明185.4.2程序运行过程截图195.5数据训练模块195.5.1功能说明195.5.2程序运行过程截图195.6模型识别模块205.6.1功能说明205.6.2程序运行过程截图205.7识别成功处理模块215.7.1功能说明215.7.2程序运行过程截图215.8用户界面模块215.8.1功能说明215.8.2程序运

11、行过程截图226.总结与展望23参考文献24致谢25广东东软学院本科毕业设计（论文）1. 绪论现如今智能化时代已经悄悄的进入到我们生活，它将是又一次工业的大浪潮。我们的身边已经有各种各样的智能化服务和智能设备了。就如：早就已经运用到我们生活的人脸识别，在地铁站、高铁站、机场等，我们通过将身份证和车票放入信息提取槽，然后用一个摄像头通过对人脸信息的提取与身份证和车票提取的信息做比对，信息一致就可以检票通过；又比如：部分地区超市或商务中心都可能不在使用二维码支付，他们用到依然是人脸识别的人脸支付这项技术，只要通过获取人脸就能达到支付的效果，非常简单便利。除了这些比较普遍的智能化服务，智能设备也不少

12、。如：我们现在很多活动场所都非常实用的大疆无人机，航空航拍、农作物喷洒农药、电影拍摄、电力的检查等都可以用到无人机设备，既保证了工作的效果，又保证了工作人员的安全。这样给人们带来便利和生活质量的智能设备还有很多，智能化时代已经慢慢融入我们生活。刚开始自己想论文题目的时候，就觉得自己也要为工业4.0智能化时代做点贡献，智能化其实已经和我们生活息息相关了，去除这些智能化可能社会部分工作就不能执行下去了，道路人流将堵得水泄不通。出于对智能化时代的憧憬，以及学校上课点名的耗时与麻烦和对自己专业知识的考验，所以我想为自己的大学做出一点点贡献，更好的体现校园的智能化。而本论文就是为智能化时代做出些许贡献的

13、。让我们的课堂更加的智能化的论文，“上课自动点名系统”可以很好的解决上课老师的点名考勤情况，不会拖延大家的上课时间，达到零耗时的上课考勤任务，老师就不会因为考勤所消耗的时间，而烦恼上课时间的不足。从而提高学生和老师的课堂质量，保证了课堂80分钟的上课时间。2.开发工具和技术简介2.1设计目标能够通过学生照片识别判断出这个学生的名字，获取这个学生的名字，提交至点名成功列表。又或者是，通过摄像头或监控，实时抓取学生上课动态，从摄像头中识别出这个学生的名字，获取这个名字，提交至点名成功列表。2.2 研究方法本上课自动点名系统主要采用的技术是：Python、TensorFlow、opencv、pyqt

14、5，主要运行的系统环境：win10操作系统（配有python3.0以上版本、pyqt5、pycharm IDE开发工具、TensorFlow的环境、keras2.0版本、numpy、PIL、sklearn、pip），上课自动点名系统的设计思维是模块化，具体分为以下6大模块：1 数据集收集层：数据集收集层是上课自动点名系统实现的前提，它是为数据集输入层创建存储空间的层级。2 数据集输入层：数据集输入层是整个卷积神经网络的输入层级，通过摄像头对学生头像人脸进行采集，一个学生采集两百张图片作为训练数据集，将所有采集的图片作为输入层所要输入的数据。3 数据集训练层：数据集训练层是整个上课自动点名系统设

15、计的核心，有以下几个层组成：卷积层这个实验里用到的是2维卷积层，而这里的卷积层是一个（3,3）的核，核的大小、步长等决定了在上一层神经网络中的计算次数，以及输出，这层会将神经网络中的每个小块都更加的去深度分析，从而得到更加抽象匹配的特征。激活函数层对神经网络模型有着很好的学习、理解非线性的函数的作用。池化层这上课自动点名系统的作用是在不改变矩阵深度的情况下，缩短矩阵的大小。Dropout层是为了防止模型参数太多，样本太少，导致训练出来的模型容易出现过拟合现象。Flatten层用卷积层到Dense层的过渡，用于输入的降维，就是把三维数、五维数等，多维数的输入降维，变成一维。Dense层是给经过多

16、层卷积层和池化层的处理之后，通过Dense层给出最后的分类结果。Softmax层在这是为了得到当前样例相异种类的概率分布情况，并输出最终结果。机器通过数据输入层输入的数据，在数据训练层里训练。4 建立模型层：建立模型层和数据集训练层同时完成，在训练完数据之后就建立起学生的人脸识别模型，通过构建人脸识别的模型，来进行人脸的预测分类。5 结果输出层：实现上课自动点名系统的结果展示，建立的模型可以通过图片人脸的匹配或者短视频人脸的匹配，又或者摄像头人脸的匹配，获取人脸相对应的名字。将人脸用框框起来，并在旁边标注人名。6 交互界面层：使用PyQt5进行交互界面的制作，交互界面可以直接与用户对话，方便用

17、户的操作，使上课自动点名系统更加的容易上手，不需要任何专业知识就能够完成上课自动点名系统的操作。2.3项目中涉及的技术2.3.1 Python为什么用Python？简单的说一下，Python的好处。它一种效率极高的语言脚本处理语言，若要编写相同功能的代码，Python可能十行代码就搞定的事，而用其他编程语言可能要三十多行或者更多一百来行，所以程序代码行数会比其他语言少。它还是一门比较好上手的语言，代码更容易被初学者读懂，也相对容易调试和扩展，它的语法也是对创建整洁的代码更有帮助的。在人工智能领域，python已经是一门不可或缺的程序语言。2.3.2 TensorFlowTensorFlow是一

18、个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief。现在在python中也是被打成包，大家调用tensorFlow包来实现数据流的编程。它是由两部分组成，一个是tensor，也被叫做张量；另一个是flow，也被叫做流。张量可以简单的说成多维的数组，而流它则是直接明了的表达多维数组之间的相互转化的计算过程。而上课自动点名系统主要用到卷积神经网络算法，TensorFlow则对卷积神经网络提供了非常好的支持，通过TensorFlow实现卷积层是非常方便

19、的。2.3.3 OpenCVopencv是生物学术语许可的一个计算机视觉库，具备跨平台的能力，可运用在各大操作系统上，如我们常用的Windows系统、Android系统、linux系统和Mac OS。Opencv是个效率高，并且是对环境依赖程度比较小，opencv的库一般是由c语言和c+语言的函数或者类构成。它在对图像处理和机器视觉方面都有很好的帮助，对Python来说也是提供了相应的接口，非常方便。上课自动点名系统在图像处理方面都是通过调用opencv库里的函数进行处理，包括：收集数据、清洗数据、处理数据、结果展示等。2.3.4 PyQt5 PyQt5是非常好用的UI设计软件。它可以通过手动

20、创建一个窗口，然后拖动功能控件到窗口相应的位置，就可以初步的设计好一个交互界面的原型，将设置好的界面保存，保存后是.ui文件，通过窗口指令：pyuic5 地址/文件.ui -o 地址/文件名.py，将.ui文件转换成.py格式的文件，最后用python语言修改.py文件就可以与系统代码绑定使用。2.4设备要求本系统对安装主机设备具有一定的要求，只有达到最低要求及其以上配置的主机才能实现良好的运行及操作，以及完善的环境配置，具体要求如下： 系统：64位win10系统，基于x64的处理器。 CPU：至少达到I5,最好能有i7。 内存：8 GB。 硬盘：2 T。 网卡：10/100 MB自适应。 p

21、ython环境 pycharm平台 安装和配置TensorFlow 安装sklearn 安装opencv 安装keras2.0 安装pyqt5 安装numpy3.系统需求分析3.1需求规格3.1.1系统的构成部分系统分为以下8个模块：1. 创建文件夹模块：创建文件夹模块是提供给用户创建存储文件夹的功能，它是用到pyqt5的QInputDialog控件实现界面可视化的。主要的核心部分还是内部代码函数，通过UI界面输入的学生姓名，传递相应路径，检查路径文件夹下有没有这个学生的姓名，如果没有就会新建一个以这个学生姓名为文件名的文件夹。2. 人脸识别模块：人脸识别模块是提供系统初步实现识别的一个模块，

22、它是用到opencv的VideoCapture和CascadeClassifier。VideoCapture参数可以用0代替，当为空的时候默认打开摄像头，而如果输入是路径就默认打开视频资源。CascadeClassifier则是人脸识别分类器，结合Opencv2（即C+API）就可以实现人脸识别的作用，但这只是单纯的识别出人脸，并不会认出这个人脸是谁的。3. 数据准备模块：数据准备模块是为训练模块提供数据的一个模块，它也同样用到opencv的VideoCapture和CascadeClassifier，中间还用到一些逻辑语句。用户可以通过数据准备功能模块，通过摄像头来截取自己的人脸数据，这里每

23、人截取200张照片。4. 数据处理加载模块：数据处理加载模块是为更准确高效的训练对数据进行的预处理，它主要用到opencv的copyMakeBorder和resize。通过对所有数据的统一设定处理，会大大提高训练准确性和效率，在上课自动点名系统中将照片resize成长和宽都是64大小的尺寸，而copyMakeBorder用来给照片添加边框的。加载则是通过指定路径读取数据。5. 数据训练模块：数据训练模板是系统最关键的部分，它用到卷积神经网络算法来训练，运用卷积神经网络的原因显而易见，近几年卷积神经网络的崛起，在大量数据的情况下，精确度已经超过了人类分辨。而上课自动点名系统则运用了四个卷积层的卷

24、积神经网络。用户也可以通过UI点击“训练信息”，这样便可以自动执行训练全过程。6. 模型识别模块：模型识别模块则是真正的识别人脸，并指出这个人脸是谁，它用到数据训练模块中训练好的模型，通过加载模型，获取要鉴别的人脸，然后通过与模型的匹配识别，最后达到识别出这张人脸是谁。7. 识别成功处理模块：识别成功处理模块是辅助模块，将模型识别模块中识别出来的那个谁，标注出来。它用到cv2.putText，将人脸用边框框起来，并把那个谁的名字绘制在边框上。8. 用户界面模块：用户界面模块是直接与用户对话的界面实现，用户界面主要有5个功能和2个图像框。5个功能为：选择图片、识别图片、摄像识别、增加个人信息、训

25、练信息。而2个图相框是用于图像识别的形式进行识别的展示，分别为：学生人脸（用于展示原图）、识别结果（用于展示识别后得到的结果）。以下是上课自动点名系统的模块图：图3-1：上课自动点名系统（模块图）3.1.2功能性需求1 创建文件夹模块：表3.1 创建文件夹模块模块名称：创建文件夹模块标识：B1说明：该模块提供给用户创建存储文件夹功能。其中涉及到的操作有以下几种：1 用户创建存储文件夹：用户需要对：用户名称（用户名）进行填写2 自动创建文件夹：系统对用户输入的用户名称（用户名）作为文件夹的文件名，自动创建文件夹，用来保存此用户的数据集。2 人脸识别模块：表 3.2 人脸识别模块模块名称：人脸识别

26、模块标识：B2说明：该模块提供初步实现人脸识别。其中可能涉及到的操作有以下几种：1 人脸识别捡验：运行人脸识别模块代码，开启摄像头，通过观察自己的人脸是否在摄像头里被画进一个框里。3 数据准备模块：表 3.3 数据准备模块模块名称：数据准备模块标识：B3说明：该模块提供给用户收集数据。其中可能涉及到的操作有以下几种：1 用户点击增加个人信息：用户点击增加个人信息将跳转到创建文件夹模块，需要你输入自己的名字，提供存储数据的路径和文件夹。4 数据处理加载模块：表3.4 数据处理加载模块模块名称：数据处理加载模块标识：B4说明：该模块是数据的清洗处理块。其中涉及到的操作有以下几种：1 系统自动清洗处

27、理数据：用户输入进来的数据，通过数据处理加载模块，可以快速统一数据大小，以及相同维度。5 数据训练模块：表3.5 数据训练模块模块名称：数据训练模块标识：B5说明：该模块是在用户点击训练信息按钮后，加载程序，将数据进行全自动训练的模块。其中涉及到的操作有以下几种：1 用户点击训练信息按钮：在用户交互界面，当完成数据输入，数据处理后，点击训练信息按钮即可训练数据，得到模型。6 模型识别模块：表3.6 模型识别模块模块名称：模型识别模块标识：B6说明：该模块是加载模型，展示最终结果。其中涉及到的操作有以下几种：1 用户图片识别：用户在用户界面中，首先点击选择图片，在电脑中选取一张有在训练数据中的人

28、物照片，加载进入交互界面，接着点击图片识别，便可以看到识别后的图片，图片标注了是谁。2 摄像头识别：用户通过交互界面点击摄像头识别按钮，电脑会开启摄像头，通过摄像头实时识别人脸是谁（在建立模型中的人脸），同样是在摄像头下框住人脸，并标注是谁。7 识别成功处理模块：表3.7 识别成功处理模块模块名称：识别成功处理模块标识：B7说明：该模块是模型识别成功后的处理。其中涉及到的操作有以下几种：1 图像处理：通过模型识别出来的人脸，给这个人脸画一个边框，并在边框旁边标注人脸的名字。8 用户界面模块：表3.8 用户界面情模块模块名称：用户界面详情模块标识：B8说明：该模块是用户与系统交互的模块。其中涉及

29、到的操作有以下几种：1 选择图片：可以从文件夹中读取任何一张图片。2 识别图片：能对读取的图片进行人脸的识别，能识别出人脸是谁。3 摄像头识别：能通过摄像头实时识别人脸是谁。4 添加个人信息：能对个人信息的输入，作为路径，并采集个人信息。5 训练信息：能对数据集训练，并且建立模型。3.1.3非功能性需求上课自动点名系统界面简洁，易上手，系统对于用户的响应也是能做出快速的处理。为了能加速训练数据的效率，需要的电脑的CPU和GPU配置相对要好点的。3.2开发环境的选择在系统需求分析阶段，我们只需要在windows10下就可以进行。而在系统设计与实现、系统测试阶段中，我们需要python（3.0以上

30、版本）+pycharm+TensorFlow+numpy+opencv+pyqt5+keras。辅助工具：vision。4.系统设计4.1总体设计4.1.1系统结构方案设计为了用户能轻易的上手操作系统，系统界面要设计的非常通俗易懂，简洁明了，系统结构不能太复杂。所以系统选用了简单的控件作为支持，系统的大体结构图如下所示：图4-1：系统大体结构图4.1.2总体结构方案设计结合TensorFlow、opencv以及卷积神经网络，讨论各个模块的实现方法，具体内容如下所示：（1） 收集数据模块：创建文件夹、人脸识别、数据准备将使用到opencv，opencv是基于C语言和C+语言的，而cv主要用到C语

31、言的API，而 cv2主要用C+语言的API。收集数据模块用到的是cv2，即用到C+语言的API，opencv会给每一张人脸（即采集的数据集）在图像中都有个起始的坐标，左上角设置点（x,y），同时长和宽（h,w），根据这个就可以截取得到人脸。收集数据是工程前期的任务，它会耗掉工程大量时间，收集好的数据，还需要做清洗，将无用、不合理的数据清理掉。（2） 训练数据模块：数据处理加载、数据训练将用到TensorFlow和卷积神经网络算法训练。这里用到相关的TensorFlow是只用python编写的，并且是基于深度学习框架keras。它是一个高层神经网络接口，而且它支持卷积神经网络和循环神经网络，两

32、者结合也支持。处理好的数据要加载到内存，并且将其归一化。运用卷积神经网络训练，先是构建一个空网络模型，这个空模型是线性堆叠模型（也叫序贯模型），各神经网络层会顺序添加。搭建的模型由4个2维卷积层，2个池化层和若干其他层（Dropout层、Flatten层等）。搭建好模型就开始训练，batch_size设置为20，nb_epoch设置为10，采用的优化器是SGD+momentum，根据具体情况对数据进行提升，利用旋转、翻转、加噪等方法创建新的训练数据，最后用生成器训练，保存模型。（3） 识别模块：模型识别、识别成功处理也是用到opencv，加载模型、加载人脸识别分类器，识别人脸是谁，将这个人脸框

33、起来，然后在框旁边写上名字。（4） 人机交互模块：用户界面开发将用到pyqt5，各个功能都用butter控件，字符串用label控件，图片展示也用label控件，相应需要什么就添加所需控件。以下是上课自动点名系统的结构框架图：图4-2：系统总体结构模块图4.2系统结构与程序的关系表4-1：各功能模块与相关程序功能模块相关程序创建文件夹模块os.makedirs()人脸识别模块cv2.VideoCapture()cv2.CascadeClassifier()classifier.detectMultiScale()数据准备模块CreateFolder()cv2.VideoCapture()cv2

34、.CascadeClassifier()cv2.cvtColor()CatchPICFromVideo()数据处理加载模块resize_image()read_path()label_id()os.listdir()load_dataset()数据训练模块load_dataset()train_test_split()backend.image_dim_ordring()np_utils.to_categorical()Sequential.add()Sequential.summary()SGD()Sequential.fit()Sequential.save()模型识别模块load_dat

35、aset()cv2.VideoCapture()cv2.cvtColor()cv2.CascadeClassifier()face_predict()cv2.putText()cv2.imshow()识别成功处理模块cv2.putText()os.listdir()cv2.rectangle()用户界面模块QtWidgetsQtGuiQtCore4.3接口设计4.3.1用户接口上课自动点名系统用的是python编程语言，故在用户接口这方面用到的是相应的与python有关的pyqt5，pyqt5是一个便于开发的软件，在QtDesigner中设计界面，内置有许多控件，控件可以以拖拽方式要完成一个界

36、面设计，保存设计是.ui文件，可以通过命令窗口用指令将.ui文件转换成.py文件。而本系统界面要求简洁、易懂、易操作。用户接口提供给用户完成数据收集、数据训练、识别点名等。4.3.2外部接口上课自动点名系统外部接口主要由TensorFlow、opencv、keras组成。keras是一个高层神经网络API，keras框架具有高度模块化，可以简易和快速的设计原型，为卷积神经网络训练层提供了强大的接口。opencv也可以直接调用Google的人脸识别API，简单的几条语句，就可以实现人脸识别，为自动点名打下智能基础。我们所使用的的keras是TensorFlow版，对于本次论文用到的卷积神经网络T

37、ensorFlow也是支持的，卷积层的实现用TensorFlow也是非常方便的。4.3.3内部接口内部接口多为python自带的库函数接口，如os、sys都为系统开发过程中的文件处理、文件读取做出了贡献。4.4功能模块设计4.4.1总体设计上课自动点名系统总共划分为8个模块，每个模块是独立的，每个模块之间是相互作用的关系，有一层一层递进的感觉，少了一个模块，其它模块的功能可能就会连锁反应导致功能不能被实现，所以他们之间不能缺少任何一个。该系统设计简洁明了，没有任何多余的功能。4.4.2功能模块设计系统分为以下8个功能模块：1. 创建文件夹模块：创建文件夹模块是提供给用户创建存储文件夹的功能，它

38、是用到pyqt5的QInputDialog控件实现界面可视化的。主要的核心部分还是内部代码函数，通过UI界面输入的学生姓名，传递相应路径，检查路径文件夹下有没有这个学生的姓名，如果没有就会新建一个以这个学生姓名为文件名的文件夹。2. 人脸识别模块：人脸识别模块是提供系统初步实现识别的一个模块，它是用到opencv的VideoCapture和CascadeClassifier。VideoCapture参数可以用0代替，当为空的时候默认打开摄像头，而如果输入是路径就默认打开视频资源。CascadeClassifier则是人脸识别分类器，结合Opencv2（即C+API）就可以实现人脸识别的作用，但

39、这只是单纯的识别出人脸，并不会认出这个人脸是谁的。3. 数据集准备模块：数据集准备模块是为训练模块准备数据集的一个模块，它也同样用到opencv的VideoCapture和CascadeClassifier，中间还用到一些逻辑语句。用户可以通过数据准备功能模块，通过摄像头来截取自己的人脸数据，这里每人截取200张照片。4. 数据集处理加载模块：数据集处理加载模块是为更准确高效的训练对数据进行的预处理，它主要用到opencv的copyMakeBorder和resize。通过对所有数据的统一设定处理，会大大提高训练准确性和效率，在上课自动点名系统中将照片resize成长和宽都是64大小的尺寸，而c

40、opyMakeBorder用来给照片添加边框的。加载则是通过指定路径读取数据。5. 数据集训练模块：数据集训练模块是系统最关键的部分，它用到卷积神经网络算法来训练，运用卷积神经网络的原因显而易见，近几年卷积神经网络的崛起，在大量数据的情况下，精确度已经超过了人类分辨。而上课自动点名系统则运用了四个卷积层的卷积神经网络。用户也可以通过UI点击“训练信息”，这样便可以自动执行训练全过程。6. 模型识别模块：模型识别模块则是真正的识别人脸，并指出这个人脸是谁，它用到数据训练模块中训练好的模型，通过加载模型，获取要鉴别的人脸，然后通过与模型的匹配识别，最后达到识别出这张人脸是谁。7. 识别成功处理模块

41、：识别成功处理模块是辅助模块，将模型识别模块中识别出来的那个谁，标注出来。它用到cv2.putText，将人脸用边框框起来，并把那个谁的名字绘制在边框上。8. 用户界面模块：用户界面模块是系统直接与用户对话的界面模块，用户界面主要有5个功能和2个图像框。5个功能为：选择图片、识别图片、摄像识别、增加个人信息、训练信息。而2个图相框是用于图像识别的形式进行识别的展示，分别为：学生人脸（用于展示原图）、识别结果（用于展示识别后得到的结果）。4.5功能故障处理设计4.5.1出错信息出错类型输出信息处理方法1窗口名字中文乱码璇嗗埆滨鸿砬矙哄煙修改编码类型2数据训练报错无数据集添加个人数据信息3数据训练

42、报错数据格式错误根据模式，选用张量表示形式4识别错误识别人脸出现错误名字检测是否对应标签，训练准确率高不高，数据训练量大不大，卷积层数是否要增加。4.5.2补救措施通过对数据的清洗，提供更高质量的数据训练集，以及对算法参数的调试，优化算法，使训练准确率更高。4.5.3系统维护设计上课自动点名系统之后将会进一步完善，对便捷功能的增加完善，对用户界面的美化完善，对用户界面的友好度完善等。后期修复bug，保证系统全面无误。5.系统实现与测试5.1创建文件夹模块5.1.1功能说明 创建文件夹功能为用户提供了数据存储的容器，在训练数据之前，我们需要准备大量的训练数据，以便训练的结果准确率更加准确。创建文

43、件夹功能是添加个人信息的一部分，但它却是必不可少的，我们可以通过添加个人信息来创建一个空文件夹，用于存储图片数据。5.1.2程序运行过程截图创建文件夹如下，我们创建了一个文件夹名为app_big的文件夹，我们到相关路径查看是否存在此文件夹。图5-1：创建app_big文件夹图5-2：app_big文件夹创建成功5.2人脸识别模块5.2.1功能说明人脸识别是为检测到图片、录像或摄像头监控下的人脸而设计的模块。在本系统实现下，将大量用到人脸识别功能，我们需要将其模块化，这样可以简单、快捷的运用此功能。不管是在数据收集，还是在点名识别中，我们都会用到人脸识别。它是用到opencv的VideoCapt

44、ure和CascadeClassifier。VideoCapture参数可以用0代替，当为空的时候默认打开摄像头，而如果输入是路径就默认打开视频资源。CascadeClassifier则是人脸识别分类器，结合Opencv2（即C+API）就可以实现人脸识别的作用，但这只是单纯的识别出人脸，并不会认出这个人脸是谁的。5.2.2程序运行过程截图人脸识别程序运行结果如下图5-3所示：图5-3：人脸识别5.3数据集准备模块5.3.1功能说明数据集准备是保证完成数据集训练和建立模型的前提，该模块可以通过摄像头拍摄获取大量的人脸图像，它也同样用到opencv的VideoCapture和CascadeCla

45、ssifier，中间还用到一些逻辑语句，这里每人截取200张照片（如不够，再获取更多）。5.3.2程序运行过程截图 数据准备程序运行如下，这个截图num:90说明是我正在截取第90张图像。图5-4：数据准备程序运行效果图5.4数据处理加载模块5.4.1功能说明数据处理加载是为了统一数据格式类型（即维度相同、大小相同），标准、统一、质量高的数据将大大提升训练速度和训练准确率，减少了噪声的干扰。它主要用到opencv的copyMakeBorder和resize，而程序中的resize_image函数是判断图片是否为正方形，如果不是，则调用cv2.resize，而copyMakeBorder用来给照

46、片添加边框保证不失真，将图片等比例缩小成64x64的大小。5.4.2程序运行过程截图数据处理加载程序运行输出（406,64,64,3），其中406为图片张数，而64,64就是图片大小，3为像素颜色值（RGB）图5-5：数据处理加载程序运行图5.5数据训练模块5.5.1功能说明数据训练是本系统的核心功能模块，该模块会把处理加载好的数据集进行训练，并且建立该数据集的模型。训练算法将用到4个卷积层的卷积神经网络，卷积层数越多，相对应准确率也会越高，但是消耗的训练时间就越久。卷积神经网络具有局部连接、权值共享和下采样等的特点。5.5.2程序运行过程截图数据集训练模块的程序运行截图：图5-6：数据训练程序运行图5.6模型识别模块5.6.1功能说明模型识别与上面人脸识别有所不同，人脸识别是模型识别