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

3. Uruchom kontenerzy:

docker-compose up -d

4. API dostępne pod adresem: http://localhost:8000
5. 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