简介一份基于深度学习的人脸识别签到系统毕业设计项目资源面向计算机相关专业毕业生或需要做类似课题的开发者可用来应对课程设计、毕设开发或作为项目二次开发基础。系统覆盖人脸注册、模型训练、识别签到与后台管理等环节帮助降低传统签到的代签与漏签风险。资源共38个文件压缩包约203MB代码与数据涵盖Python后端逻辑、HTML前端页面、SQLite数据存储、模型权重及配置依赖等模块其中8个py文件实现主程序、API接口和功能函数7个html文件构成Web界面其余为数据库、模型、字体及说明文档整体结构清晰便于按目录查阅。该资源已有109人学习。通过项目自带的README、requirements、迁移记录和静态目录可以较快搭建运行环境资源内含人脸注册模块、数据库迁移脚本与模型文件便于理解人脸检测、特征提取、签到记录等模块间的调用关系既能支撑毕业设计答辩也可作为深入学习Flask/Django与人脸识别技术结合的完整案例。1. 这套人脸识别签到系统真正难的不是识别模型以「基于深度学习的人脸识别签到系统」作为毕业设计选题的人我见过九成以上把力气花在换模型、刷准确率上最后却被卡在「把模型接进签到业务」这一步。这个标题背后真正要做的事是把深度学习里的检测、特征提取、相似度比对串成一条完整管道再落进时间窗口、重复签到、白名单这些考勤约束里。它既是一个能动手复现的深度学习实战项目案例也是一次从模型到应用的完整工程训练。适合谁做适合要做毕设、实验室考勤工具或小范围课堂签到系统的同学。第一章先把话放这儿人脸识别签到系统的难点不在单点模型的精度而在整条链路的稳定性。2. 先想清楚架构一个检测器加一个特征提取器的人脸管道2.1 人脸识别不是单个 CNN 模型而是一条数据管道很多人拿到这个题目第一反应是「找个识别模型把图片丢进去输出是谁」。这个理解会直接导致后面返工。实际的人脸识别签到系统是一条管道每个环节各自负责一件事摄像头采集原始帧可能包含多个人脸也可能背景杂乱人脸检测模块先找出「哪里有脸」输出人脸框和关键点人脸对齐模块把框内区域裁出来按双眼、鼻尖、嘴角做几何校正统一缩放到固定尺寸特征提取模型把对齐后的人脸图映射成一个高维特征向量也就是 embedding特征比对模块用余弦相似度或欧氏距离把当前特征和注册特征库里的特征做匹配业务模块拿到匹配结果后再决定是否写入签到记录。我见过不少同学直接拿 YOLO 或 Faster R-CNN 去训人脸检测又拿一个分类网络去训人脸识别折腾几周效果仍然不稳定。原因就是没有把管道拆开检测、对齐、特征提取这三个环节各有各的成熟方案混在一起反而让每个环节都做不好。把这套系统当作深度学习入门到落地的动手项目来看最划算的做法是每一环都用现成的成熟组件整个项目的创新点和毕设工作量放在管道集成、业务设计和实验分析上。从技术归属上说人脸检测是回归加分类问题人脸识别是度量学习问题前者关心「人在哪」后者关心「谁是人」。把它们混成一个网络去训既增加数据标注难度也会让模型在两个目标之间互相干扰。所以整套系统的核心设计决策就是把它们拆成独立模块。2.2 检测与识别分开选RetinaFace 配 ArcFace 是毕设最省力的组合模块拆分之后下一步是选模型。我用过几套不同组合比较下来最稳妥的路线是检测端用 RetinaFace特征提取端用 ArcFace 一族的模型具体骨干网络用 MobileFaceNet 或 ResNet50 这类 CNN 结构。ArcFace 在训练阶段通过角度间隔损失让同类特征聚拢、异类特征分开推理时直接取出倒数第二层的输出作为特征向量。这是目前人脸识别方向的主流做法对应的热度一直很高学理上也站得住。管道环节常见模型选型理由与边界人脸检测对齐RetinaFace / MTCNNRetinaFace 在中等算力下精度高自带关键点回归MTCNN 更轻但遮挡鲁棒性稍差特征提取ArcFace MobileFaceNet模型体积小、推理快适合摄像头实时场景ResNet50 骨干精度高但更慢特征比对余弦相似度对特征向量做 L2 归一化后余弦相似度与内积等价阈值语义直观这里要说明我不建议从零开始训练 ArcFace 这类大模型。人脸识别特征提取需要海量人脸数据和较长的训练周期常见做法是直接使用在大型公开人脸数据集上预训练好的权重然后自己采集班级或团队成员的少量照片生成注册特征库。这样既绕开了数据规模和算力门槛又能把全部精力放在更值得做的签到系统集成上。如果你所在的环境不方便获取预训练权重也有另一条路自建一个小规模数据集每人数张照片训练一个分类网络并把倒数第二层的输出当作特征。这种做法类别数少、样本量小作为毕设是能跑的但要注意类别数控制在 20 人以内、每人样本不低于 15 张否则特征分布不稳定验收现场容易出现误识。两者相比我一般会优先选择预训练模型加特征库的方案因为它对光照、角度变化的鲁棒性明显更好这个结论在我看到的多数项目经验里是一致的。2.3 比对策略与阈值用自己数据算出来的阈值才靠谱特征比对本身不难难的是一开始就拍脑袋定阈值。网上很多代码默认写 0.4 或 0.5直接搬到自己的场景里几乎必然出问题。原因很简单阈值取决于特征提取模型的分布特性也取决于注册照片和现场照片的采集差异不同模型、不同摄像头、不同场景下的最优阈值差异很大。我在实际项目中一般这么做注册特征库建好后再额外采集一批「同一个人在不同光线/角度下的照片」作为正样本对采集一批「不同人两两组合」作为负样本对。分别计算它们的余弦相似度画两条分布曲线。正样本分布和负样本分布的重叠越少系统越可靠阈值取两个分布交界处的值不要凭感觉。这个操作也直接对应毕设里的实验章节你可以把不同阈值的 FMR错误接受率和 FNMR错误拒绝率做成表格画 ROC 曲线这比堆一堆训练截图更能说明问题。L2 归一化也是常见踩坑点。特征提取模型输出的向量直接算余弦相似度之前要先做 L2 归一化否则相似度数值会被向量长度干扰。归一化之后余弦相似度的取值范围落在 -1 到 1 之间阈值 0.35 到 0.45 是不少实践项目里常见的合理区间但请务必基于自己的数据实际测定。3. 跑通最小闭环用 PyTorch 搭出人脸特征库3.1 环境配置先解决 GPU 与 PyTorch 的匹配问题这一步估计劝退过不少人。深度学习环境配置本身不算难难在版本匹配。我的顺序是先装 Anaconda用 conda 建独立环境再装 PyTorch。PyTorch 选 GPU 版还是 CPU 版取决于你的显卡。conda create -n face_checkin python3.8 conda activate face_checkin # GPU 版先确认显卡驱动支持的 CUDA 版本再选对应的 PyTorch 版本 # CPU 版适用于无独显或驱动不匹配的机器训练慢但能跑通演示 pip install torch torchvision装完之后不要急着写模型先跑一段小脚本确认环境没问题。这里是「深度学习环境配置 GPU 版」最不该省略的一步很多人跳过它结果训练跑了一半才发现模型在 CPU 上慢慢磨。import torch print(torch.__version__) print(torch.cuda.is_available()) if torch.cuda.is_available(): x torch.rand(100, 100).cuda() print(x.device)如果torch.cuda.is_available()输出 False不一定要重装系统。常见做法是检查显卡驱动版本和 PyTorch 对应的 CUDA 版本是否匹配驱动版本太低时可以在设备管理器里更新驱动再重新安装对应版本的 PyTorch。如果没有独立显卡CPU 版本也能完成毕设演示只是每一帧的推理速度会慢不少需要在代码里控制摄像头采集和处理不在同一线程。3.2 数据准备每人数张照片逐张变成对齐后的人脸图特征库的质量直接决定签到系统的体验。给一个人用一张照片注册特征风险很大——换个发型、换个光线相似度掉到阈值以下人脸识别门禁机都不一定扛得住。我的做法是每人采集 5 到 8 张照片包含正面、左右各 15 度、戴不戴眼镜、不同光照条件。照片分辨率不用太高但人脸区域的像素建议不低于 112×112这是多数人脸特征提取模型的输入尺寸。把照片变成对齐后的人脸图和训练的预处理必须保持同一套逻辑。所谓对齐就是根据双眼关键点做仿射变换把眼睛放在同一水平线。这一步不做特征提取质量会肉眼可见地下降。检测与对齐可以一起完成。import cv2 import numpy as np def crop_and_align(image_path, detector, landmark_indices(36, 45)): img cv2.imread(image_path) dets detector.detect(img) if len(dets) 0: return None # 取置信度最高的人脸框 box, landmarks, score dets[0] left_eye landmarks[0] right_eye landmarks[1] dx right_eye[0] - left_eye[0] dy right_eye[1] - left_eye[1] angle np.degrees(np.arctan2(dy, dx)) center tuple(np.mean([left_eye, right_eye], axis0).astype(int)) rot_mat cv2.getRotationMatrix2D(center, angle, scale1.0) aligned cv2.warpAffine(img, rot_mat, (img.shape[1], img.shape[0])) # RetinaFace 的 box 顺序是 [x1, y1, x2, y2] x1, y1, x2, y2 [int(v) for v in box] margin int(0.2 * (x2 - x1)) x1 max(0, x1 - margin) y1 max(0, y1 - margin) x2 min(img.shape[1], x2 margin) y2 min(img.shape[0], y2 margin) face aligned[y1:y2, x1:x2] return cv2.resize(face, (112, 112))这段代码做了三件事选置信度最高的人脸框、按双眼连线角度旋转校正、外扩 20% 边界后裁剪并缩放到 112×112。margin这个参数值得注意外扩太少会把额头和下巴裁掉特征质量下降外扩太多会带入背景噪声。0.2 倍是实践中比较稳妥的默认值。如果你换用了别的检测器关键点索引顺序可能不同务必先打印 landmarks 验证不要直接照搬。3.3 特征入库与比对存多条特征取平均做最终比对对齐好的人脸图接下来交给特征提取模型。模型加载后把每张人脸图前向推理一次得到 embedding。这里有一个工程经验不要只存一条特征而是把同一个人的多张照片特征取平均再对平均向量做一次 L2 归一化作为这个人的注册特征。平均特征能压掉单张照片的光照噪声比随机选一张靠谱得多。import numpy as np import torch def build_feature_library(face_dir, model, devicecuda): # face_dir 的结构: face_dir/姓名/照片1.jpg ... library {} for person_name in os.listdir(face_dir): person_dir os.path.join(face_dir, person_name) embeds [] for img_file in os.listdir(person_dir): face crop_and_align(os.path.join(person_dir, img_file), detector) if face is None: continue tensor torch.from_numpy(face).permute(2, 0, 1).float().div_(255).unsqueeze(0).to(device) with torch.no_grad(): emb model(tensor).cpu().numpy().flatten() emb emb / np.linalg.norm(emb) embeds.append(emb) if len(embeds) 0: avg np.mean(embeds, axis0) library[person_name] avg / np.linalg.norm(avg) np.save(feature_library.npy, library) return library比对时就简单了当前人脸的特征向量先归一化然后和库里所有特征算内积因为归一化后内积就是余弦相似度。取最高分和对应姓名再和阈值比较。def match_face(embedding, library, threshold0.38): embedding embedding / np.linalg.norm(embedding) best_name, best_score None, -1.0 for name, lib_emb in library.items(): score float(np.dot(embedding, lib_emb)) if score best_score: best_score score best_name name if best_score threshold: return best_name, best_score return None, best_score注意threshold这里先写成 0.38 只是占位真正使用时必须按第 2.3 节的方法重新标定。有一个容易忽略的细节模型在训练时如果输入做了归一化你的预处理也要保持一致常见做法是像素除以 255 再归一化到 0~1或者按 ImageNet 的均值和标准差做标准化。检查一下你所用模型的官方示例照它的预处理来不要自己发明一套。4. 从特征到签到记录把模型封装成业务服务4.1 签到业务的三个硬约束时间窗口、重复签到、白名单模型能认人距离「签到系统」还差一个业务层。在我看来签到系统与纯人脸识别 Demo 的最大区别就是这层业务约束。三种最常见的约束时间窗口规定某节课或某次活动的签到起止时间迟到、早退分别标记重复签到同一个人在同一场次只能签一次重复抓拍要能忽略白名单只有注册过特征库的人员才允许签到陌生人需要触发提示而不是直接报「未注册」。如果把这三条约束当作文档里的「功能需求」写起来很容易真正做起来会发现它们藏在很多细节里。比如时间窗口的数据应该存在哪、以谁的客户端时间为准重复签到是查数据库里有没有记录再决定是否插入还是在前端做状态缓存白名单判定失败后要不要保存陌生人的抓拍图。这些问题第 5 章会展开先把核心流程想清楚。数据库方面毕设场景用 SQLite 就够了。它不需要额外安装服务一个文件就是整个库适合答辩现场演示。MySQL 或 PostgreSQL 功能更强但对这个项目来说属于杀鸡用牛刀还增加了现场环境配置的复杂度。特征库文件npy和签到数据库分开存放一个负责「认人」一个负责「记账」。4.2 用 Flask 加 SQLite 撑起最小后端模型推理和签到业务可以放在同一个进程里通过 HTTP 接口对外提供服务。这样前端不管是网页、桌面客户端还是手机小程序都能通过同一个接口完成签到。我先贴一个最小可用的后端框架。from flask import Flask, request, jsonify import sqlite3 import numpy as np import torch app Flask(__name__) # 模型和特征库全局加载一次避免每个请求重复推理 model load_model() # 3.1 节准备好的特征提取模型 library np.load(feature_library.npy, allow_pickleTrue).item() def get_db(): conn sqlite3.connect(checkin.db) conn.row_factory sqlite3.Row return conn def already_checked_in(user_id, session_id): conn get_db() cur conn.execute( SELECT 1 FROM records WHERE user_id? AND session_id?, (user_id, session_id) ) exists cur.fetchone() is not None conn.close() return exists app.route(/checkin, methods[POST]) def checkin(): if image not in request.files: return jsonify({error: no image}), 400 image_bytes request.files[image].read() np_img decode_to_numpy(image_bytes) # 统一转成 BGR ndarray embedding extract_embedding(np_img) # 检测对齐 特征提取 if embedding is None: return jsonify({error: no face detected}), 422 user_name, score match_face(embedding, library, threshold0.38) if user_name is None: return jsonify({error: stranger, score: score}), 403 # 时间窗口与重复签到判断 if not is_within_window(request.form.get(session_id)): return jsonify({error: out of time window}), 403 if already_checked_in(user_name, request.form.get(session_id)): return jsonify({error: already checked in}), 409 conn get_db() conn.execute( INSERT INTO records (user_name, session_id, timestamp, score) VALUES (?, ?, ?, ?), (user_name, request.form.get(session_id), datetime.now().isoformat(), score) ) conn.commit() conn.close() return jsonify({name: user_name, score: score}), 200这段代码有一个关键设计模型和特征库放在模块加载阶段初始化而不是在每次请求里重新加载。深度学习模型部署最常见的性能灾难就是反复加载权重一个模型文件几百 MB每次请求加载一次接口延迟直接从几十毫秒变成几十秒。人脸检测没有结果的情况要单独处理这里返回了 422。这个状态码不是必须的但如果你做前端联调明确的错误语义会省很多时间。重复签到的判断放在特征匹配之后、写入数据库之前避免为陌生人也创建重复签到记录——陌生人连签到的资格都没有。session_id指代具体的某节课或某场活动签到记录表通过它来隔离不同场次。签到记录表的结构建议至少包含这些字段字段类型说明idINTEGER 主键自增记录 IDuser_nameTEXT签到人姓名session_idTEXT场次 ID如 20250601_01timestampTEXT签到时间ISO 格式scoreREAL人脸匹配的余弦相似度image_pathTEXT抓拍图保存路径可选把抓拍图保存下来是非常推荐的答辩素材。评委看到的不只是一行数据库记录还有当时抓拍的照片这能证明系统是真实可运行的不是拿现成数据糊弄的。4.3 前端采集端的工程细节抓拍、对齐、重试策略后端就绪后前端反而更容易翻车。PC 上打开摄像头常见做法是 OpenCV 的VideoCapture(0)或者用浏览器getUserMedia拿到视频流后抓帧。手机浏览器访问同一局域网内的 Flask 服务用getUserMedia也能实现但要记得给摄像头授权。实时视频流里做识别我建议加一个连续帧投票机制。单帧识别很容易因为运动模糊、眨眼、光线波动出现单帧失败连续取几帧的识别结果按出现次数或最高分决定最终结果。N 取 3 到 5 比较合适太大会让签到响应显得迟钝太小又起不到稳定作用。def recognize_with_vote(embedding_extractor, frame_source, frames4, threshold0.38): votes {} best_score 0.0 for i in range(frames): frame frame_source.read() # 取一帧 embedding embedding_extractor(frame) if embedding is None: continue name, score match_face(embedding, library, threshold) if name is not None: votes[name] votes.get(name, 0) 1 best_score max(best_score, score) time.sleep(0.05) # 控制帧间隔 if not votes: return None, 0.0 # 取投票数最多的若平票则取分数更高的 best_name max(votes, keylambda k: (votes[k], best_score)) return best_name, best_score这个投票逻辑本身就内置了重试某帧没检测到人脸就跳过不影响整体结果。前端界面里给一个显眼的提示区域告诉用户「请正对摄像头」或「识别成功姓名某某」会比只显示一个进度条友好得多。这些交互细节是评委大概率关注的加分项。5. 避坑手册人脸识别签到从训练到演示的 5 个常见问题5.1 阈值拍脑袋乱设现象签到系统看起来「能跑」但现场演示时要么连续拒识自己人要么大门敞开谁都认成张三。原因用了网上抄来的固定阈值 0.4 或 0.5没有基于自己的特征库样本分布去标定。不同模型的特征空间分布不同不同光照采集条件下的相似度分布也不同固定阈值根本不成立。解决按 2.3 节的方法采集正样本对与负样本对画出相似度分布图取两条曲线的交点为初始阈值。注意不要在演示前临时改阈值要用测试集算好之后固化在配置文件里并把分布图和阈值选定过程写进毕设论文的实验章节这也是评委喜欢看到的严谨性。5.2 训练与推理的图像对齐方式不一致现象模型在测试集上的准确率很高一到自己采的图就崩尤其是侧脸和歪头场景。原因加载的预训练模型在训练时使用了一套特定的检测和关键点对齐流程而你在推理时用了另一套流程。比如预训练模型输入的是按双眼对齐后的 112×112 图而你的预处理直接裁框缩放眼睛位置没校正模型见到的是分布外的数据表现自然大幅下降。解决保持训练与推理时的预处理完全一致。方法有两种换用与预训练权重配套的检测对齐库或者自己统一检测与对齐逻辑用固定模板做仿射变换。我一般会在代码里把对齐函数封装成独立模块训练前跑几张样本人脸图把对齐结果保存下来肉眼检查一遍这一步能为后续省下大量排查时间。5.3 GPU 显存不足或 CUDA 版本不匹配现象import torch 时报 CUDA 初始化错误或训练开始后直接 OOM程序闪退。原因PyTorch 的 CUDA 版本与显卡驱动不兼容或者 batch size 设置过大显存被模型权重和中间特征图挤爆。解决先跑第 3.1 节的环境验证脚本确认torch.cuda.is_available()为 True 后再继续。OOM 时按顺序做三件事把 batch size 减半输入分辨率保持 112×112不要自己调大模型和数据都显式.to(device)避免 CPU 和 GPU 之间反复拷贝。如果机器实在没有可用 GPU直接改用 CPU 版 PyTorch 跑推理识别速度慢一些但演示能扛过去。5.4 演示现场人脸过小或逆光现象摄像头离人一米五以上人脸框只有几十像素检测器偶尔能框住但特征提取结果不稳定签到成功率忽高忽低。原因检测器框出来的脸在缩放成 112×112 时被放大丢失了大量高频细节特征质量和正常距离下拍的照片差很多。逆光场景下脸部暗部细节直接丢失特征更差。解决在代码里对检测框宽度做最小像素限制比如小于 80 像素直接提示「请靠近摄像头」。UI 上给出实时引导检测不到或分数低时显示「请正对光源」的提示。现场安排人站在离摄像头 0.5 到 1.5 米的范围内这也写进演示文档的备注里不然现场容易变成一群人围着摄像头挤成一团。5.5 演示环境断网、数据库连不上、模型加载慢现象答辩前一切正常答辩现场突然数据库报错或模型加载卡住整个人楞在台上。原因使用了需要远程服务的数据库或模型权重路径写成相对路径失效或每帧请求都重新加载模型。解决现场演示前把系统跑成「全离线状态」SQLite 数据库和特征库都放在本机模型权重在程序启动时加载一次并常驻内存抓拍图保存路径使用相对路径。如果还是担心提前准备一个「演练模式」在断网环境、无摄像头环境下用几张本地图片模拟签到流程。这套兜底方案是我做项目演示的血泪经验顶过好几次突发状况。6. 答辩演示的离线批量核验脚本把准确率数字变成现场证据如果你不想答辩时只靠一句「准确率大概 95%」混过去我建议写一个离线批量核验脚本。它的作用是把一批带标签的人脸照片批量跑过整条模型管道输出每张照片的匹配结果、相似度分数和最终正确率并生成一份可直接打印的表格。评委问「你的系统准确率到底是多少」时你现场跑一遍这个脚本比任何口头回答都有说服力。def evaluate_on_dataset(test_dir, library, label_file, threshold0.38): # test_dir 下按姓名存放测试照片 correct 0 total 0 results [] for person_name in os.listdir(test_dir): person_photos os.listdir(os.path.join(test_dir, person_name)) for photo in person_photos: path os.path.join(test_dir, person_name, photo) embedding extract_embedding(path) if embedding is None: results.append((person_name, photo, no face, , 0.0)) continue pred_name, score match_face(embedding, library, threshold) total 1 is_correct (pred_name person_name) correct int(is_correct) results.append((person_name, photo, pred_name, is_correct, round(score, 4))) accuracy correct / total if total else 0.0 # 输出表格到 csv答辩时可以贴在论文附录里 import csv with open(eval_result.csv, w, newline) as f: writer csv.writer(f) writer.writerow([真实姓名, 照片, 预测姓名, 是否正确, 相似度]) writer.writerows(results) return accuracy用好这个脚本不只是为了应付答辩。它可以帮你完成三件事第一在切换模型版本时自动回归测试确认新模型没有让旧样本变差第二把 FMR 和 FNMR 随阈值变化的曲线数据算出来直接作为论文实验图表第三用不同光照、角度、遮挡条件下的测试集分别评估找出系统的真实边界。这套流程我现在做任何一个人脸识别小项目都会先搭好测试集常备几十张照片模型一换立刻跑一遍。我第一次做这类项目时阈值是抄来的 0.6现场连续拒识三个人尴尬到脚趾抠地。后来把「先画分布再定阈值」和「离线批量核验」这两件事写成了固定工作流才敢带着它去见评委。无论这个毕设最后是用作论文、实验室考勤还是课堂签到这条从特征库到业务层再到验证脚本的链路往后换到门禁机、课堂状态检测这些场景也能平移。希望帮到你。本文还有配套的精品资源点击获取