Skip to content

README.md

Latest commit

 

History

History
140 lines (111 loc) · 3.82 KB

README.md

File metadata and controls

140 lines (111 loc) · 3.82 KB
Raw

System kontroli wejść na teren zakładu pracy

System weryfikacji tożsamości pracowników wykorzystujący kody QR oraz rozpoznawanie twarzy do kontroli dostępu na teren zakładu pracy.

Opis projektu

System eliminuje nadużycia związane z przekazywaniem kart dostępu poprzez dwuetapową weryfikację:

  1. Skanowanie kodu QR - identyfikacja pracownika
  2. Rozpoznawanie twarzy - weryfikacja biometryczna (min. 90% dokładności)

Każda próba wejścia jest rejestrowana z pełnymi danymi (data, godzina, wynik weryfikacji, procent podobieństwa), a system automatycznie wykrywa podejrzane próby dostępu.

Funkcjonalności

Panel administratora (aplikacja webowa)

  • Zarządzanie profilami pracowników (imię, nazwisko, stanowisko)
  • Przypisywanie zdjęć referencyjnych (min. 3 na osobę)
  • Generowanie kodów QR
  • Przeglądanie logów wejść
  • Generowanie raportów (wejścia, nadużycia, efektywność)
  • Konfiguracja systemu

System przy bramkach

  • Automatyczne skanowanie QR
  • Przechwytywanie zdjęcia twarzy
  • Weryfikacja biometryczna w czasie rzeczywistym
  • Rejestracja wszystkich prób dostępu
  • Sterowanie bramką (otwarcie/odmowa)

Technologie

Backend

  • Python 3.11 - język programowania
  • FastAPI - framework REST API
  • PostgreSQL - baza danych
  • SQLAlchemy - ORM
  • DeepFace - rozpoznawanie twarzy (model Facenet)
  • OpenCV - przetwarzanie obrazu
  • qrcode/pyzbar - obsługa kodów QR

Frontend (planowany)

  • React - biblioteka UI
  • Vite - build tool
  • Chart.js/Recharts - wizualizacja danych

Infrastruktura

  • Docker - konteneryzacja
  • docker-compose - orkiestracja
  • pgAdmin - zarządzanie bazą danych

Instalacja i uruchomienie

Wymagania

  • Docker
  • Docker Compose
  • Kamera 1080p (dla systemu przy bramkach)
  • Czytnik QR

Uruchomienie

  1. Sklonuj repozytorium
  2. Utwórz katalog reference_faces z folderami dla każdego pracownika:
reference_faces/
├── jan_kowalski/
│   ├── foto1.jpg
│   ├── foto2.jpg
│   └── foto3.jpg
└── anna_nowak/
    ├── foto1.jpg
    ├── foto2.jpg
    └── foto3.jpg
  1. Uruchom kontenerzy:
docker-compose up -d
  1. API dostępne pod adresem: http://localhost:8000
  2. pgAdmin: http://localhost:5050 (login: admin@admin.com / hasło: admin)

API Endpoints

Generowanie QR

POST /qr/generate
Content-Type: application/json

{
  "qr_data": "EMP001",
  "person_name": "jan_kowalski"
}

Lista kodów QR

GET /qr/list

Weryfikacja QR + Twarz

POST /verify
Content-Type: multipart/form-data

qr_data: "EMP001"
face_image: [plik jpg/png]

Struktura projektu

.
├── app/
│   ├── main.py                      # Główna aplikacja FastAPI
│   ├── models.py                    # Modele SQLAlchemy
│   ├── schemas.py                   # Schematy Pydantic
│   ├── database.py                  # Konfiguracja bazy danych
│   ├── face_recognition_system.py   # Moduł rozpoznawania twarzy
│   ├── requirements.txt             # Zależności Python
│   └── Dockerfile                   # Obraz Docker
├── reference_faces/                 # Zdjęcia referencyjne pracowników
├── uploads/                         # Tymczasowe zdjęcia z weryfikacji
├── docker-compose.yml               # Konfiguracja kontenerów
└── README.md

Bezpieczeństwo

  • Hasła administratorów szyfrowane SHA256
  • Połączenie z bazą danych przez zmienne środowiskowe
  • Automatyczne usuwanie tymczasowych zdjęć po weryfikacji
  • Logowanie wszystkich prób dostępu

Ograniczenia

  • System zaprojektowany dla max. 100 aktywnych pracowników
  • Wymaga dobrego oświetlenia przy bramkach
  • Aplikacja webowa wymaga połączenia internetowego
  • Interfejs w języku polskim