简介一套基于深度学习的人脸识别考勤系统源码面向计算机相关专业正在完成毕业设计、课程设计或期末大作业的学生也适合需要项目实战练习的开发者。项目以Python为主要开发语言融合人脸检测、特征提取与识别比对等典型深度学习流程代码结构围绕界面展示、视频识别、用户管理、签到状态等功能模块展开可帮助读者系统理解考勤业务的完整实现。压缩包共25个文件涵盖Python源文件、界面图像素材、字体图标、配置文件、使用手册等类型整体大小239.41MB目录组织较为清晰便于按模块查阅与二次开发。目前已有191人学习项目为个人经导师指导并认可的高分毕业设计评审分达98分参考价值较高。通过该资源可获得完整项目源码、界面资源与配置说明适合作为毕业设计写作或项目实战演练的蓝本。1. 人脸识别考勤系统为什么一定要用深度学习而不是传统方案教室门口放一台摄像头人走过去自动识别、自动记录上下班时间这就是人脸识别考勤系统最朴素的需求。用 Python 做这套系统核心难点不在摄像头和数据库而在“让程序认出这张脸是谁”。传统的 OpenCV 特征脸算法在光照和角度一变就翻车而深度学习模型能提取更鲁棒的人脸特征把识别问题变成数学上的特征距离比对。这篇笔记就从源码实现的角度拆解一个基于 Python 与深度学习的人脸识别考勤系统是怎么落地、怎么调参数、怎么避坑的给做毕业设计的同学一条能跑通的完整路径。2. 把考勤需求拆成技术方案检测、特征提取与比对的完整链路2.1 从摄像头到打卡记录识别链路的五个环节一个完整的人脸识别考勤系统表面上看只是“摄像头拍一下显示姓名”实际要走的链路比大多数人预想的长得多。我在带学生做这个题目时一般会把它拆成五个环节图像采集、人脸检测、人脸对齐、特征提取、特征比对与记录。图像采集负责从摄像头拿到一帧 BGR 图像人脸检测负责在图像里框出人脸位置人脸对齐通过关键点把倾斜、侧转的脸矫正到正面视角特征提取把一张人脸转成一个固定长度的向量特征比对再把当前向量和库里注册过的向量做距离计算小于阈值就认为是同一个人然后写考勤记录。这五个环节里检测和对齐属于“预处理”真正决定识别精度的是特征提取和比对策略。传统的特征脸方法把人脸当成一张二维图片直接压平光照一变就崩而深度学习模型把“人脸识别”变成了“嵌入空间里的距离度量”问题——同一个人的不同照片在特征空间里距离近不同人的照片距离远。这个思路是整个系统的地基也是后面调阈值时要理解的关键。另外考勤场景对实时性有要求所以每个环节都要控制计算量。比如图像采集尽量不要把 1080P 原图直接送进模型而是先缩放对齐环节如果不在乎侧脸甚至可以省掉用检测框直接裁切。2.2 选型对比Haar、dlib、MTCNN/RetinaFace 分别适合谁做考勤系统第一步是做人脸检测但检测方案直接决定后面所有环节的体验。我见过不少直接用 OpenCV 的 Haar Cascade 开始做的这当然能跑但 Haar 是基于手工特征的级联分类器角度稍微偏一点就漏检在教室或办公室场景里尤其难用。如果你只想快速做 demoHaar 是最省事的如果追求稳定一般会用基于深度学习的检测器。方案模型类型CPU 速度抗角度/光照适合场景OpenCV Haar手工特征级联快弱演示、纯正面照dlib HOG手工特征线性分类较快较弱静态图片、受控环境MTCNN深度学习中等强毕业设计主流、CPU可跑RetinaFace深度学习较慢很强有 GPU、追求精度MTCNN 内部是三个级联网络P-Net 快速产出候选框R-Net 过滤大量误检O-Net 输出最终人脸框和五个关键点。这种级联设计让它在 CPU 上也能维持可用速度所以在常见开源项目里MTCNN 几乎成了人脸识别考勤系统的默认选项。如果你在 Windows 上装 dlib 老是报 CMake 错误MTCNN 的依赖会友好很多它只需要 TensorFlow 或 PyTorch 环境。这里有一个需要提醒的细节不管用哪个检测器统一要先把 OpenCV 读到的 BGR 图像转为 RGB再送进模型。很多人的识别准确率突然暴跌就是因为在某个环节忘了转颜色空间导致特征提取看到的是“偏色”的人脸。检测器返回的坐标是像素位置不同模型的坐标系定义有差异比如 dlib 是 (top, right, bottom, left)而 MTCNN 返回的是 (x, y, w, h)转换时容易写错建议封装一个统一接口。2.3 特征比对用什么FaceNet、ArcFace 还是现成封装人脸框出来之后下一步要把框内的人脸送进特征提取网络。这里最常被问的是“我要不要自己训练一个识别模型”。答案是除非你做的是算法改进类课题否则不要自己从头训练。从头训练人脸识别模型需要几十万张标注人脸和多个 GPU 的算力毕业设计的时间根本复现不了所以标准做法是加载预训练权重。目前主流的选择有三个FaceNet 用的是三元组损失输出 128 维特征思想是让同一个人的特征距离近、不同人的特征距离远ArcFace 在 softmax 基础上加了加性角度间隔对类间距离的约束更强输出通常是 512 维在 LFW 等公开集上的精度更高face_recognition 库是 dlib 预训练 ResNet 模型的封装调用最简单三行代码就能拿到 128 维特征。从毕业设计的角度我一般推荐直接用 face_recognition它的 API 友好处理注册、打卡都很省事。它的底层属于深度学习模型在论文里解释得通。如果导师想看到更“硬核”的网络结构可以换成 MTCNN FaceNet 或 MTCNN ArcFace 的组合用 Keras 或 PyTorch 加载预训练权重。需要注意考勤系统只需要在注册时把每个员工的人脸算成特征向量存库在线打卡时算当前帧特征再跟库里所有向量做距离计算不需要为了识别单独训练分类器——这个理解能避免很多无意义的训练尝试。3. 用 Python 实现人脸注册和实时打卡可直接复用的核心代码3.1 员工注册采集样本并生成特征向量注册员工是整个系统的数据基础。常见做法是让员工正对摄像头按提示采集若干帧对每一帧做人脸检测并截取人脸区域然后送进特征提取模型把得到的特征向量和工号、姓名一起存库。如果还在折腾环境建议先配好 VSCode 的 Python 环境再执行pip install face_recognition opencv-python。第一次安装 face_recognition 会自动编译 dlibWindows 上需要提前装好 CMake 和 Visual Studio Build Tools否则会在安装阶段报错。这里有一个非常重要的细节不要直接把摄像头原始帧送进特征提取必须先检测、对齐、裁剪否则特征向量会很脏。下面是注册环节的 Python 代码import face_recognition import cv2 import pickle def register_employee(emp_id, emp_name, camera_index0, frames10): cap cv2.VideoCapture(camera_index) encodings [] collected 0 while collected frames: ret, frame cap.read() if not ret: continue # 缩小帧宽到 640保留检测精度同时让 CPU 能跑得动 small cv2.resize(frame, (640, int(frame.shape[0] * 640 / frame.shape[1]))) rgb cv2.cvtColor(small, cv2.COLOR_BGR2RGB) # 检测当前画面中的所有人脸位置 boxes face_recognition.face_locations(rgb, modelhog) # 注册时强制只有一个人出现在画面里 if len(boxes) 1: encoding face_recognition.face_encodings(rgb, boxes)[0] encodings.append(encoding) collected 1 print(f已采集 {collected}/{frames} 帧) # 可视化反馈方便员工调整位置 for (top, right, bottom, left) in boxes: cv2.rectangle(small, (left, top), (right, bottom), (0, 255, 0), 2) cv2.imshow(register, small) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows() # 对同一人多帧特征取平均能显著降低单帧表情、眨眼带来的噪声 avg_encoding [sum(col) / len(col) for col in zip(*encodings)] data {id: emp_id, name: emp_name, encoding: avg_encoding} with open(fencodings/{emp_id}_{emp_name}.pkl, wb) as f: pickle.dump(data, f) print(f已保存 {emp_id} 的特征文件维度 {len(avg_encoding)})代码逻辑说明face_recognition.face_locations返回的坐标是(top, right, bottom, left)和 OpenCV 常用的(x, y, w, h)不一样后面画框、裁剪时容易搞混。face_encodings需要传入 RGB 图像所以前面先做了cvtColor。采集 10 帧后对特征逐维取平均这是很多人会省略但非常有用的步骤——单帧的表情、眨眼会导致特征向量产生小幅波动平均后识别更稳定。参数说明frames建议设在 8 到 15 之间太少特征不稳太多浪费时间。model参数可选hog或cnnCPU 上用hog有 GPU 可以换cnn后者位置更准但慢很多。保存特征时使用 pickle 是临时方案如果员工数量达到几百人建议改用 SQLite 或 MongoDB 存特征向量方便后续做员工管理和批量导入。3.2 实时打卡逐帧检测与欧氏距离阈值判断注册完成之后考勤端要做的是对摄像头流每一帧做人脸检测、特征提取再和库里的所有特征计算距离。这里要记住不能每帧都写数据库否则一个人站在镜头前 10 秒会写几百条记录。一般的做法是“识别到人 冷却时间内不重复打卡”。import face_recognition import cv2 import pickle import glob import sqlite3 import time def load_known_faces(): 加载所有已注册员工的特征文件 known [] for path in glob.glob(encodings/*.pkl): with open(path, rb) as f: data pickle.load(f) known.append(data) return known known_faces load_known_faces() def recognize(frame, known_faces, threshold0.45): 对一帧图像做识别返回 [(emp_id, name, distance)] 和人脸框列表 small cv2.resize(frame, (640, int(frame.shape[0] * 640 / frame.shape[1]))) rgb cv2.cvtColor(small, cv2.COLOR_BGR2RGB) boxes face_recognition.face_locations(rgb, modelhog) encodings face_recognition.face_encodings(rgb, boxes) results [] for encoding in encodings: distances [ face_recognition.face_distance([k[encoding]], encoding)[0] for k in known_faces ] min_dist min(distances) min_idx distances.index(min_dist) if min_dist threshold: results.append((known_faces[min_idx][id], known_faces[min_idx][name], min_dist)) else: results.append((None, unknown, min_dist)) return results, boxes def record_attendance(emp_id, emp_name): 写入一条考勤记录员工不存在时自动插入 conn sqlite3.connect(attendance.db) cur conn.cursor() cur.execute(INSERT OR IGNORE INTO employees (emp_id, emp_name) VALUES (?, ?), (emp_id, emp_name)) cur.execute(INSERT INTO attendance (emp_id) VALUES (?), (emp_id,)) conn.commit() conn.close() print(f{emp_id} {emp_name} 打卡成功) cap cv2.VideoCapture(0) last_record {} # 内存中的上次打卡时间防止重复写入 while True: ret, frame cap.read() if not ret: continue results, boxes recognize(frame, known_faces) for (top, right, bottom, left), (emp_id, name, dist) in zip(boxes, results): cv2.rectangle(frame, (left, top), (right, bottom), (0, 255, 0), 2) cv2.putText(frame, f{name} {dist:.2f}, (left, top - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 255, 0), 2) if emp_id is not None: now time.time() # 同一员工间隔 60 秒才记一次避免连续帧造成重复打卡 if emp_id not in last_record or now - last_record[emp_id] 60: record_attendance(emp_id, name) last_record[emp_id] now cv2.imshow(attendance, frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()逻辑说明face_distance返回的是欧氏距离范围通常在 0.2 到 1.0 之间越小越像。阈值 0.45 是我在实验室自然光环境下的经验值你可以根据实际误识情况微调。这里的last_record字典只存在内存里程序重启后失效如果需要跨重启去重可以把上次打卡时间也写入 SQLite。参数说明threshold是识别是否成功的分水岭。阈值设小误识少但漏识多阈值设大漏识少但不同人也可能被当成同一个人。把帧宽缩到 640 后CPU 上 HOG 检测大概能跑到 12~15 FPS足够考勤用如果觉得卡可以把识别周期改为每 2 帧处理一次用frame_count % 2 0控制。3.3 考勤记录落库SQLite 表结构与写入逻辑考勤系统的核心资产是打卡记录。很多同学做项目时把记录直接追加到 CSV 或 txt 文件里答辩时容易被问“并发写怎么办”“怎么统计月度出勤”。至少应该用 SQLite它是 Python 标准库内置的不需要单独安装服务单文件即可存储。下面给出表结构和写入逻辑-- 员工表 CREATE TABLE employees ( emp_id TEXT PRIMARY KEY, emp_name TEXT NOT NULL, created_at DATETIME DEFAULT CURRENT_TIMESTAMP ); -- 考勤记录表 CREATE TABLE attendance ( id INTEGER PRIMARY KEY AUTOINCREMENT, emp_id TEXT NOT NULL, check_in DATETIME DEFAULT CURRENT_TIMESTAMP, status TEXT DEFAULT present, FOREIGN KEY (emp_id) REFERENCES employees(emp_id) ); -- 按天、按人统计出勤记录 SELECT e.emp_id, e.emp_name, DATE(a.check_in) AS work_date, MIN(TIME(a.check_in)) AS first_check, COUNT(*) AS times FROM attendance a JOIN employees e ON a.emp_id e.emp_id WHERE DATE(a.check_in) 2025-05-01 GROUP BY e.emp_id, work_date;import sqlite3 def record_attendance(emp_id, emp_name): conn sqlite3.connect(attendance.db) cur conn.cursor() # 确保员工存在不存在则插入和注册环节联动 cur.execute(INSERT OR IGNORE INTO employees (emp_id, emp_name) VALUES (?, ?), (emp_id, emp_name)) # 写入一条打卡记录check_in 自动取当前时间 cur.execute(INSERT INTO attendance (emp_id) VALUES (?), (emp_id,)) conn.commit() conn.close()逻辑说明INSERT OR IGNORE依赖 employees 表的主键约束重复插入会被自动忽略这样即使注册环节和打卡环节各自写库也不会产生脏数据。查询语句通过GROUP BY按员工和日期汇总再用MIN(TIME(check_in))取第一次打卡时间作为上班时间COUNT(*)可以用来判断一天打了几次卡。参数说明status字段目前默认present如果想支持迟到、早退可以在INSERT时用CASE判断打卡时间与公司上班时间的关系再写入对应状态。SQLite 适合单机部署如果要多客户端同时读写再考虑换成 MySQL毕业设计用 SQLite 完全够而且答辩时可以直接展示.db文件。4. 训练和调参让识别率与误识率达到可用的平衡4.1 直接用预训练模型还是自己微调写论文和答辩时你需要回答清楚“深度学习到底体现在哪”。这套方案里MTCNN 和 face_recognition 底层都是预训练深度模型不需要你训练但这不等于没有深度学习工作量。你可以做的改进是用你们教室拍的现场照片对预训练模型做一次微调fine-tune。但很多时候微调需要的 GPU 你手上没有所以更务实的做法是“冻结特征提取层用现场人脸注册库做特征校准”也就是前面提到的多帧平均。这个方法本质上是在特征层面做适配可以作为论文里的优化点。如果你的导师要求必须有训练过程那么可以把注意力放到“分类头”上。常见做法是删掉预训练模型最后的 softmax 层把每张人脸编码成一个 128 维向量然后用这组向量训练一个小型 SVM 分类器来判断当前人脸属于哪一个员工。在 sklearn 里几十行代码就能完成import numpy as np from sklearn.svm import SVC from sklearn.preprocessing import LabelEncoder # X 是所有注册员工的特征向量y 是对应的员工 ID X np.array([emp[encoding] for emp in known_faces]) y np.array([emp[id] for emp in known_faces]) # 对标签做编码训练一个线性 SVM le LabelEncoder() y_enc le.fit_transform(y) clf SVC(kernellinear, probabilityTrue) clf.fit(X, y_enc) # 对新来的特征向量做预测 current_encoding np.array([encoding]) pred_id le.inverse_transform(clf.predict(current_encoding))逻辑说明这个 SVM 分类器的输入特征就是 face_recognition 的 128 维向量所以它严格来说不是“深度学习训练”而是“基于深度特征的分类器”。这样做的好处是答辩时可以说自己做了分类器设计并且用真实场景数据做了验证比单纯调用库函数更有说服力。参数说明SVM 的kernel在这个场景下一般用linear就足够因为特征维度已经是高维且可分。probabilityTrue会额外计算置信概率可以用来做“不确定时不打卡”的兜底策略。4.2 需要调的三个参数检测置信度、特征比对阈值、打卡去重间隔人脸识别考勤系统里真正决定体验好坏的不是模型结构而是三个参数检测置信度、特征比对阈值、打卡去重间隔。很多人的系统跑起来乱认人基本都是这三个参数没调好。第一个是检测置信度。如果你用 MTCNNdetect_faces会返回 confidence一般把 confidence 门槛设到 0.9 以上。设太低墙壁上的海报人脸、远处的人脸都会被当成打卡目标设太高戴眼镜反射会漏检。第二个是特征距离阈值前面代码里threshold0.45这个值要按实验调。第三个是去重间隔单位是秒建议设 60 到 300 之间具体看公司要求早上打一次卡还是进出都打。我建议按这个顺序调参先固定threshold0.5用 10 个员工的照片跑一遍记录误识和漏识然后每次把阈值下调 0.05观察“不同人之间的距离”和“同一个人在不同光照下的距离”这两组数据最终取能让两类距离分得最开的阈值。下面是一个典型实验记录表阈值同人距离范围异人距离范围误识次数漏识次数0.500.25~0.550.52~0.85200.450.25~0.480.58~0.85010.400.25~0.440.62~0.8503从表里能看到0.45 是折中值。如果现场经常出现侧脸、暗光就偏向选 0.50接受少量误识如果门禁安全要求高就选 0.40。没有绝对正确的阈值只有适合你场景的阈值。4.3 数据增强与样本数量每个员工注册多少张脸才够注册的时候每个员工采集多少张人脸我见过做 20 帧的也见过只照一张的。只照一张最大的问题是角度稍微变化就认不出来因为 face_recognition 对正面脸效果最好侧脸的特征偏移会让距离变大。我的经验是每人至少 10 帧并且在采集时要求员工左右转动头部、轻微仰头低头、做出睁眼闭眼表情这样同一员工的特征空间覆盖更广。数据增强在注册场景下用得不多因为已经有了真实人脸不需要对图像做旋转裁剪来“造假数据”。但如果你的微调集里样本少就要考虑水平翻转、亮度调整、小角度旋转。注意水平翻转是合规的上下翻转不能对真实人脸用因为人脸不是上下对称的纹理分布翻转后特征会错乱。下面是两个简单的增强操作import cv2 import numpy as np def augment_face(image): # 水平翻转模拟人脸从左侧/右侧看向摄像头 flipped cv2.flip(image, 1) # 亮度扰动模拟现场光线变化 hsv cv2.cvtColor(image, cv2.COLOR_BGR2HSV) hsv[:, :, 2] np.clip(hsv[:, :, 2] * 0.8, 0, 255) darker cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR) return flipped, darker逻辑说明水平翻转在数学上等价于把图像左右镜像人脸的左右眼位置互换但语义仍然是同一张脸。亮度扰动可以模拟教室不同时段的自然光变化让特征对亮度更鲁棒。这两个增强会直接改变输入图像的像素分布增加注册特征的多样性。参数说明翻转和亮度扰动可以组合写进注册流程作为额外样本存入特征库。但注意不要把增强样本作为独立员工特征而是只作为同一员工的特征补充否则可能出现“同一个人多个特征文件”导致打卡记录混乱。5. 避坑指南人脸考勤系统最常见的 5 个翻车现场5.1 摄像头画面卡到 5FPS现象打开摄像头后画面像幻灯片脸部刚框出来就卡住识别半天不出结果。原因很多人直接把摄像头原始 1920x1080 帧送进face_locationsHOG 检测在 CPU 上对 1080P 图像每帧要占用几百毫秒再加上face_encodings的推理时间帧率自然上不去。解决把输入帧先 resize 到 640 宽再检测帧率能提升 3 到 5 倍。如果用的是 dlib 的 CNN 检测器CPU 上会比 HOG 慢得多千万不要在没 GPU 的电脑上选modelcnn。5.2 同一个人被识别成不同人现象同一个员工上午能识别下午戴了副眼镜或者头发放下来就变成 unknown。原因特征距离阈值设得太严例如threshold0.35。面部遮挡、光照变化都会使同一个人的特征距离漂移到 0.4 以上直接被拒。解决把阈值放宽到 0.45然后做多人轮测试确认不同员工之间的距离都大于 0.5再定下最终值。另外注册时多采集几个角度比如戴眼镜和不戴眼镜各采集几帧让特征向量覆盖更全面。5.3 戴口罩、戴帽子就把识别率拉到崩溃现象员工戴着口罩从摄像头前经过系统几乎全部识别失败偶尔还误识别成另一个人。原因face_recognition 的预训练模型是在无遮挡人脸上训练的口罩遮住了鼻梁、嘴唇等关键区域可用的语义特征减少特征向量偏移。解决最实用的是注册时也采集一张戴同款口罩的照片并把口罩照片的特征也入库。更主动的办法是加入“人脸 人形”双重判断人脸没识别出时先别急着排除让系统在后续帧里继续跟踪这个人当某一帧摘下口罩后立刻打卡。这在考勤场景里是常见策略。5.4 注册时画面里出现第二个人特征被污染现象员工 A 注册完测试时发现 A 的打卡记录经常落到员工 B 名下。原因注册时摄像头画面里出现了 B 的人脸而代码里len(boxes) 1的判断没有生效因为face_locations在 B 的侧脸或远景时可以漏检导致 A 的特征向量里混入了 B 的语义信息。解决注册强制使用交互式流程——先检测到大于 1 个人脸就提示“请其他人离开画面”并且记录采集时每一帧的框坐标间隔 200 毫秒采集一帧给员工留出动作时间。更保险的手段是注册完成后立即做自检用注册现场拍一张照片与注册特征比对距离超过 0.3 就要重新采集。5.5 程序一运行 CPU 直接 100%风扇起飞现象识别程序跑起来后整个电脑变卡其他程序无法使用。原因face_encodings的推理在 CPU 上连续多线程跑会把所有核心占满键盘中断响应也慢像死机一样。解决不要在while循环里逐帧做编码改成“每隔 N 帧做一次识别”N 可以设 2 或 3也可以把检测和编码放到单独的进程池主循环只负责读取摄像头帧。我一般直接在循环里加time.sleep(0.05)控制整体 CPU 占用虽然简单粗暴但很有效。6. 把考勤系统做成能答辩的完整项目界面、日志与验收测试到了这一步核心识别链路已经通了但毕业设计答辩时老师不会只看命令行。你需要把系统包装成“可演示、可验收”的完整项目。建议加三样东西一个简单的图形界面、一份识别日志、一张验收测试表。图形界面可以用 Tkinter 或 PyQt5 做。Tkinter 是标准库零依赖适合做简单界面左边显示摄像头画面右边显示员工信息表和当天签到列表。需要注意的是OpenCV 的imshow不能和 Tkinter 直接共用同一个显示线程通常的做法是使用 Tkinter 的 Label 组件定时更新图像用after()方法刷新而不是在while循环里阻塞。识别日志不仅是给别人看的也是你排查问题的辅助工具。建议把每条识别记录、置信度、距离值都写到单独的日志文件格式可以类似[2025-05-01 08:12:33] emp_id10001 distance0.32 statusaccept [2025-05-01 08:15:47] emp_idundefined distance0.71 statusreject日志里保留距离值后面调阈值时可以用数据说话而不是靠感觉。验收测试要覆盖三类场景正常场景正面、光线充足、边界场景侧脸、戴眼镜、轻微遮挡、异常场景画面无人、多人同时经过。每类场景跑 20 次统计识别率、误识率、平均耗时把结果做成表格这会是答辩时很有分量的材料。我自己的习惯是每做完一个参数改动就把阈值和日志一起保存记录下这次改动对识别率的影响。这看起来麻烦但等你调试到第 30 次时就能很容易看出哪个方向的调整是正向的。这套系统不需要追求刷分一样的高精度稳定不翻车、过程有数据、论文有闭环才是毕业设计拿高分的关键。希望这些踩坑经验能帮你省掉几个通宵让你的考勤系统顺利跑通。本文还有配套的精品资源点击获取