Skip to content

Latest commit

 

History

History
116 lines (73 loc) · 5.39 KB

README.md

File metadata and controls

116 lines (73 loc) · 5.39 KB
Raw

Modelo de Identidade IPFS

Imagem Principal Imagem Principal

Visão Geral

Este projeto implementa um sistema avançado para a criação de identidades digitais, permitindo interações seguras em sistemas descentralizados interplanetários. Utilizando reconhecimento facial, o sistema gera credenciais e autentica usuários para transações financeiras que exigem provas de autenticidade (2FA). Com o uso de técnicas de aprendizado de máquina e processamento de imagens e vídeos, o sistema é capaz de detectar rostos, reconhecer usuários cadastrados e registrar suas interações (logins) ou presença, armazenando essas informações em uma planilha Excel ou em um banco de dados.

Modelos de Biometria

  • ✅ Facial: Reconhecimento de rostos através de imagens ou vídeos.

Futuras Atualizações

  • Íris: Análise da íris do olho para identificação individual.
  • Digital: Leitura e comparação de impressões digitais.
  • Voz: Análise das características únicas da voz de uma pessoa.

Estrutura do Projeto

O projeto está estruturado em vários arquivos e classes principais:

  • main.py: Implementa uma interface gráfica simples usando Tkinter para interação com o sistema.
  • train.py: Contém a lógica para o treinamento do reconhecedor facial utilizando imagens de um diretório específico.
  • CNNmodel.py: Define uma rede neural convolucional para processamento de imagens.
  • create_excel_files.py: Cria arquivos Excel para registro de alunos e presenças.
  • DetectImage.py: Realiza a detecção de rostos em tempo real utilizando um classificador Haar Cascade e o reconhecedor LBPH.
  • tree_structure.txt: Arquivo que descreve a estrutura do projeto.
  • trained.yml: Arquivo que armazena o modelo treinado do reconhecedor facial.

Funções Adicionais 📝

Automação de Geração de Credenciais 🤖

Este projeto implementa um sistema automatizado para geração de credenciais. O sistema funciona da seguinte forma:

  • 📄 O usuário preenche um formulário HTML com as informações pessoais.
  • ✅ As informações do formulário são validadas.
  • 💾 Os dados do formulário são salvos no formato JSON em um banco de dados criptografado.
  • 📋 O modelo da Certidão é preenchido com as informações validadas.
  • 🖨️ O layout de impressão da Certidão é exibido para o usuário.
  • 📥 O usuário pode clicar em um botão para gerar um PDF para a impressão da Certidão e da Carteirinha.

Referências e Dependências

Este projeto depende das seguintes bibliotecas Python:

  • OpenCV (cv2): Utilizada para processamento de imagens e vídeos. OpenCV
  • Pillow (PIL): Utilizada para operações com imagens. Pillow
  • openpyxl: Utilizada para criar e manipular arquivos Excel. openpyxl
  • numpy: Utilizada para operações matemáticas e manipulação de arrays. numpy
  • tkinter: Utilizada para criar interfaces gráficas de usuário (GUI). tkinter
  • Face Recognition Database: Base de dados para reconhecimento facial. Face Recognition Database

As dependências podem ser instaladas executando o seguinte comando:

pip install -r requirements.txt

- Funcionalidades Principais

- Treinamento do Reconhecedor Facial: Utiliza imagens de um diretório para treinar um modelo de reconhecimento facial.

- Detecção de Rostos em Tempo Real: Utiliza um classificador Haar Cascade para detectar rostos em vídeo ao vivo.

- Registro de Presença: Registra a entrada e saída de indivíduos reconhecidos em uma planilha Excel.

- Melhorias Potenciais

- Modularização do Código: Separação mais clara das funcionalidades em módulos reutilizáveis.

- Documentação Aprofundada: Explicação detalhada das funções e classes em comentários no código.

- Tratamento de Erros Robusto: Implementação de tratamento de exceções para melhor robustez.

- Testes Unitários: Criação de testes para verificar o funcionamento correto das funcionalidades.

- Configurabilidade: Adição de opções para configurar parâmetros como caminhos de diretório e arquivos.

- Segurança: Consideração de medidas adicionais para proteger dados sensíveis e prevenir vulnerabilidades.

## Execução no Linux/macOS
Para configurar o ambiente e executar o projeto:


Configuração do Ambiente Virtual:

```bash
python3 -m venv env
source env/bin/activate

Instalação de Dependências:

```bash
pip install -r requirements.txt

Treinamento do Modelo:

```bash
python train.py

Atualização das Dependências:

```bash
pip freeze > requirements.txt

Estrutura do Projeto:

```bash
tree --prune -I 'env' > tree_structure.txt