假如我希望给公司门口的摄像头做个人脸打卡程序，自动录入扫描到的人脸，自动分析人脸所对应的人并保存出入记录。在没有进行登记前保存记录为用户n，当登记后自动将数据改为对应用户。视频地址为http://192.168.16.153/live/test.flv。使用opencv实现。后端使用json保存数据不使用数据库，用户人脸图片保存在单独的文件夹并以用户名+时间戳命名。请给我完整的代码，包含识别录入的程序，用户登记绑定的程序，简单的本地运行的后端服务。并给我推荐的python版本以及在conda上面install上面所需python依赖的代码

<think>好的，我需要帮用户实现一个基于OpenCV的人脸打卡系统。首先，用户的需求是公司门口摄像头的人脸识别，自动记录未注册用户为“用户n”，注册后关联到具体用户。后端用JSON存储数据，图片按用户名+时间戳保存。需要提供完整代码，包括识别、注册、后端服务，还有Python版本和依赖安装说明。 首先，我应该考虑整个系统的结构。可能需要分成几个部分：人脸检测与识别、用户注册绑定、数据存储和API服务。用户提到的视频流地址是HTTP的，所以要用OpenCV读取视频流。可能需要使用face_recognition库，因为它基于dlib，准确度不错，适合人脸识别。 接下来，数据存储用JSON，所以需要处理读写JSON文件的操作。图片保存路径要检查是否存在，不存在则创建。文件名格式是用户名加时间戳，要注意时间戳的生成和格式化。 用户注册部分需要单独的程序，可能通过命令行输入用户名，然后捕获图像并提取人脸编码，保存到JSON中。同时需要处理当用户未注册时，保存为“用户n”，注册后更新记录。 关于依赖，face_recognition库需要dlib，可能安装比较麻烦，特别是Windows用户。需要提醒用户安装CMake和Visual Studio构建工具。Python版本建议3.8以上，兼容性较好。 代码结构方面，主程序循环读取视频流，检测人脸，与已知编码比对。如果未识别，保存为未知用户，并生成临时ID。注册程序则单独运行，输入用户名后拍照，提取编码并添加到JSON文件中。 后端服务可能需要一个简单的FastAPI应用，提供添加用户和查询记录的接口。虽然用户说不使用数据库，但用JSON文件模拟数据库操作，需要注意线程安全和文件锁的问题，但简单情况下可能忽略，因为并发可能不高。 测试时需要注意摄像头是否可访问，视频流地址是否正确。另外，人脸识别的准确度受光照、角度影响，可能需要用户调整摄像头位置或增加多角度录入。 最后，整理代码，确保各部分功能分离，比如人脸处理、数据存储、API服务分开。提供conda安装命令，包括opencv、face_recognition、fastapi等库。提醒用户安装时的可能问题，比如dlib的编译依赖。 可能遇到的问题：视频流无法打开，需要检查OpenCV的VideoCapture是否正确处理HTTP流；人脸检测失败时如何处理；JSON文件的读写冲突。需要加入异常处理，比如重试读取或文件锁机制，但简单实现可能暂时忽略这些。 总结步骤： 1. 安装依赖，确认环境。 2. 编写人脸检测和识别的主程序，处理实时视频流。 3. 编写注册程序，绑定用户和人脸编码。 4. 编写FastAPI后端服务，提供API接口。 5. 测试各模块是否正常工作，确保数据正确保存和更新。</think>我将分步骤为您构建这个系统，以下是详细实现方案： 环境准备 (Python 3.8+推荐) ```bash conda create -n face_attendance python=3.8 conda activate face_attendance conda install -c conda-forge cmake # dlib编译依赖 pip install opencv-python face-recognition fastapi uvicorn python-multipart ``` 目录结构 ``` ├── api.py # 后端服务 ├── face_service.py # 主识别程序 ├── register.py # 用户注册程序 ├── data │ ├── faces.json # 用户数据存储 │ └── face_images # 人脸图片存储 ``` 1. 主识别程序 (face_service.py) ```python import os import json import cv2 import face_recognition from datetime import datetime # 初始化配置 VIDEO_URL = "http://192.168.16.153/live/test.flv" DATA_FILE = "data/faces.json" IMG_DIR = "data/face_images" UNKNOWN_PREFIX = "用户" def load_known_faces(): if not os.path.exists(DATA_FILE): return {"users": []} with open(DATA_FILE) as f: return json.load(f) def save_unknown_face(image, user_id): timestamp = datetime.now().strftime("%Y%m%d%H%M%S") filename = f"{UNKNOWN_PREFIX}{user_id}_{timestamp}.jpg" cv2.imwrite(os.path.join(IMG_DIR, filename), image) def main(): known_data = load_known_faces() video_capture = cv2.VideoCapture(VIDEO_URL) unknown_counter = 1 while True: ret, frame = video_capture.read() if not ret: continue rgb_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) face_locations = face_recognition.face_locations(rgb_frame) face_encodings = face_recognition.face_encodings(rgb_frame, face_locations) for (top, right, bottom, left), face_encoding in zip(face_locations, face_encodings): match = None for user in known_data["users"]: stored_enc = [float(x) for x in user["encoding"]] if face_recognition.compare_faces([stored_enc], face_encoding)[0]: match = user["username"] break if match: label = f"用户: {match}" else: label = f"{UNKNOWN_PREFIX}{unknown_counter}" save_unknown_face(frame, unknown_counter) unknown_counter += 1 cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2) cv2.putText(frame, label, (left + 6, bottom - 6), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 1) cv2.imshow('Face Attendance', frame) if cv2.waitKey(1) & 0xFF == ord('q'): break video_capture.release() cv2.destroyAllWindows() if __name__ == "__main__": if not os.path.exists(IMG_DIR): os.makedirs(IMG_DIR) main() ``` 2. 用户注册程序 (register.py) ```python import cv2 import face_recognition import json import os DATA_FILE = "data/faces.json" def register_user(): username = input("请输入用户名：").strip() cap = cv2.VideoCapture(0) print("正在捕获人脸...") while True: ret, frame = cap.read() rgb_frame = cv2.cvtColor(frame, cv2.FONT_HERSHEY_SIMPLEX) face_locations = face_recognition.face_locations(rgb_frame) if len(face_locations) == 1: encoding = face_recognition.face_encodings(rgb_frame, face_locations)[0] cap.release() cv2.destroyAllWindows() break elif len(face_locations) > 1: print("检测到多张人脸，请保持单人录入！") else: print("未检测到人脸，请正对摄像头...") # 更新数据 if os.path.exists(DATA_FILE): with open(DATA_FILE) as f: data = json.load(f) else: data = {"users": []} data["users"].append({ "username": username, "encoding": [float(x) for x in encoding] }) with open(DATA_FILE, 'w') as f: json.dump(data, f, indent=2) print(f"用户 {username} 注册成功！") if __name__ == "__main__": register_user() ``` 3. 后端服务 (api.py) ```python from fastapi import FastAPI, UploadFile from fastapi.responses import JSONResponse import json import os import uuid from datetime import datetime app = FastAPI() DATA_FILE = "data/faces.json" IMG_DIR = "data/face_images" @app.post("/register") async def register_user(username: str, file: UploadFile): # 保存图片 timestamp = datetime.now().strftime("%Y%m%d%H%M%S") filename = f"{username}_{timestamp}.jpg" file_path = os.path.join(IMG_DIR, filename) with open(file_path, "wb") as f: f.write(await file.read()) return JSONResponse({"status": "success", "filename": filename}) @app.get("/records") async def get_records(): if not os.path.exists(DATA_FILE): return [] with open(DATA_FILE) as f: return json.load(f) if __name__ == "__main__": import uvicorn uvicorn.run(app, host="0.0.0.0", port=8000) ``` 运行说明： 1. 启动API服务：`python api.py` 2. 运行主程序：`python face_service.py` 3. 注册用户：`python register.py` 系统工作流程： 1. 主程序持续扫描视频流中的人脸 2. 未注册人脸会自动保存为"用户n"并记录时间戳 3. 运行注册程序录入正式用户信息 4. API提供数据查询和远程注册接口 优化建议： 1. 可增加人脸质量检测（睁眼检测、姿态检测） 2. 添加定期清理过期临时记录的脚本 3. 使用JWT保护API接口 4. 增加人脸识别置信度阈值控制 5. 使用多线程处理视频流和人脸识别 注意：实际部署时需确保摄像头RTSP/HTTP流可访问，建议先使用本地摄像头测试（将VIDEO_URL改为0）