Python 基于人脸识别的实验室智能门禁系统的设计与实现

简介: Python 基于人脸识别的实验室智能门禁系统的设计与实现

1 简介


本基于人脸识别的实验室智能门禁系统通过大数据和信息化的技术实现了门禁管理流程的信息化的管理操作。平台的前台页面通过简洁的平台页面设计和功能结构的分区更好的提高用户的使用体验,没有过多的多余的功能,把所有的功能操作都整合在功能操作的导航栏之中。更加突出业务的展示和详细的功能操作,使用户在使用本平台时功能一目了然。在后台的数据的处理和数据的访问方面有着自己特定的逻辑处理和数据访问的模块,在前台接收到相关的请求时,第一时间响应到数据处理和数据访问模块之中,通过数据的调用和数据的处理,把最终的结果成功的反馈到前台页面之中,展示给用户。


9d3bcb8b153c1db61c6202c2b0061bc9_0acc6ea73de48501426b27e36a1542d9.jpeg


2 技术栈


说明 技术栈 备注
后台 Python
前端 HTML
数据库 MYSql
架构 B/S 结构


3 系统架构


平台架构图

通过对基于人脸识别的实验室智能门禁系统的功能描述和需求分析,可以推出平台的架构图,如图3


e52294e5afb01e117551d5005f2ef500_d55c258757a681294c0be55904a2ec44.png


图3.1 平台架构图


6b6e5fd19c0706304d3c622633e06fc2_d671716285b3c0986721f29efaefefcb.png


平台用例图

基于人脸识别的实验室智能门禁系统管理员的职责是负责日常的系统的日常功能的维护工作,其中包括用户信息管理、实验室管理、实验室预约管理、考勤管理和人脸识别门禁管理。系统的管理员也可以第一时间对用户的预约信息进行实时的管理操作,并且第一时间反馈给用户。如下图3.4所示:


ace8bb91907103cd0733455361414e4d_f607b2c1ec205262d44627fac83d0b64.png


图3.4系统管理员用例图


注册用户可以在基于人脸识别的实验室智能门禁系统第一时间了解到实验室的信息也可以在第一时间对实验室进行预约操作。也可以在本系统上实时的查看到自己的预约信息和预约结果。如下图3.5注册用户用例图所示


[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-FeQdCW71-1686620259983)(null)]


图3.5注册用户用例图


第4章 概要设计


4.1数据库的概念结构设计

通过对本基于人脸识别的实验室智能门禁系统的流程的进一步的沟通与了解,更加深入的了解到了其工作流程和数据处理的方法,并通过进行了其平台的数据建模,完成了对本平台的数据库的设计。


表1 注册用户信息表

image.png

表2 实验室信息表

image.png

表3预约信息表

image.png

表4 考勤信息

数据库字段名称 类型 长度 说明
id Int 60 自动增长字段,不允许空,主键
Guanlianxuesheng varchar 60 关联学生字段
kaoqingshijian varchar 60 考勤时间字段

表5 提示信息表

数据库字段名称 类型 长度 说明
id Int 60 自动增长字段,不允许空,主键
Guanlianxuesheng varchar 60 关联学生字段
chuangjianshijian timestam 60 创建时间字段
caozuozhuangtai varchar 60 操作状态字段


第5章 系统的实现与应用


5.1平台开发环境介绍

1.平台的硬件环境:


操作系统:Windows8


存储:256GB


内存:8GB


数据库: mysql


开发的语言: paython、Django、mySQL


\2. 软件环境:


电脑操作系统: Windows8


网络协议: HTTP协议


5.2系统的实现

5.2.1用户注册界面实现

本基于人脸识别实验室智能门禁系统的首页以白蓝黑为主,简洁的画面可以让用户有更好的用户体验。在用户注册功能模块之中用户可以通过用户注册页面实现本平台的用户注册功能。用户可以通过输入正确的用户信息实现平台的用户注册。如下图所示:


4155bf8a46fdc377114da518ea990222_f71cb7fc6944eccdd5d329dc842882e7.jpeg


5.2.2实验室预定界面

在实验室预定界面之中,会把所有的实验室信息全部显示到界面之中。其中包括实验室的名称和具体的详细地址和实验室现在的状态信息。用户可以更具自己的需求实时的进行实验室的预约操作。如下图所示:


[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-frz4HmoF-1686620259935)(null)]


5.2.3实验室预定界面

用户通过对实验室信息的浏览之后,选定好实验室后可以在线的进行对实验室的预约操作。还可以通过实验室的名名称和日期就实验室进行实时的检索操作。其界面效果如下图所示:


ee30545376107d0e538251d133b17d99_9a6d7e43caaa481a9d9be0abaa509f85.png


5.2.4预约记录信息界面

用户通过对实验室预约成功后,预约信息会实时的显示到预约记录界面之中。其中包括实验室的名称、日期和预定的学生的姓名等信息。其界面如下图:


736a437c9413e129557a3983d153ba40_7032b1664e7c9a2d7839e8aa86db8da9.jpeg


5.2.5考勤签到信息界面

用户可以通过在考勤签到界面实现自己的每天的考勤操作。界面之中通过以日历的形式进行对考勤信息的实时的显示操作。用户的每天的考勤信息也会实时的显示到这个日历的信息界面之中。签到成功的日期会通过不同的颜色进行区分。其界面如下图:

5656ea7cdbc033b7352c01ae09e8b14b_e718cf3480b04f40629fde3a3db60263.jpeg


5.2.6录入人脸信息界面

用户通过摄像头实现对人脸信息的录入操作,系统也会把也会的人脸信息实时的保存在系统之中。其界面如下图:


cc9063f7ba0162ea19a267299c070fe0_60ded86880360c7489fa7da15bcbe9aa.jpeg


5.2.6实验室信息管理界面

管理员也会可以通过系统的后台的操作页面实现对实验室信息的管理功能操作。其中包括实验室的名称、创建时间和活跃状态等信息,通过对这些信息的实时的管理操作,可以让学生在前台页面之中实时的了解到全部的实验室的详细信息,提高学生也会的实验室的预约操作。其界面如下图:e876716ffe8235b4108b8348d5ccb9b9_9cad5f743bad4e6e8f6a80cbff1326b6.png


相关文章
|
17天前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现智能食品消费模式分析的深度学习模型
使用Python实现智能食品消费模式分析的深度学习模型
111 70
|
7天前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
118 55
|
17天前
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
99 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
15天前
|
机器学习/深度学习 数据采集 数据挖掘
使用Python实现智能食品消费市场分析的深度学习模型
使用Python实现智能食品消费市场分析的深度学习模型
92 36
|
9天前
|
机器学习/深度学习 数据采集 供应链
使用Python实现智能食品消费需求分析的深度学习模型
使用Python实现智能食品消费需求分析的深度学习模型
49 21
|
11天前
|
机器学习/深度学习 数据采集 搜索推荐
使用Python实现智能食品消费偏好预测的深度学习模型
使用Python实现智能食品消费偏好预测的深度学习模型
52 23
|
18天前
|
机器学习/深度学习 算法 前端开发
基于Python深度学习的果蔬识别系统实现
果蔬识别系统,主要开发语言为Python,基于TensorFlow搭建ResNet卷积神经网络算法模型,通过对12种常见的果蔬('土豆', '圣女果', '大白菜', '大葱', '梨', '胡萝卜', '芒果', '苹果', '西红柿', '韭菜', '香蕉', '黄瓜')图像数据集进行训练,最后得到一个识别精度较高的模型文件。再基于Django框架搭建Web网页端可视化操作界面,以下为项目实现介绍。
29 4
基于Python深度学习的果蔬识别系统实现
|
12天前
|
机器学习/深度学习 数据采集 数据挖掘
使用Python实现智能食品消费习惯预测的深度学习模型
使用Python实现智能食品消费习惯预测的深度学习模型
56 19
|
13天前
|
机器学习/深度学习 数据采集 数据挖掘
使用Python实现智能食品消费趋势分析的深度学习模型
使用Python实现智能食品消费趋势分析的深度学习模型
71 18
|
16天前
|
机器学习/深度学习 数据采集 供应链
使用Python实现智能食品消费需求预测的深度学习模型
使用Python实现智能食品消费需求预测的深度学习模型
42 10
下一篇
DataWorks