简介这份资源是一套可直接运行的CNN人脸识别考勤系统面向深度学习入门者、课程设计或毕业设计开发者帮助快速搭建从人脸采集到考勤记录落地的完整方案。压缩包共4848个文件约108.06MB其中4835张jpg人脸图像构成训练与测试数据集8个py脚本负责模型训练、识别与界面逻辑另有h5预训练模型、ui界面文件、xml配置及md说明文档开箱即可运行。资源围绕卷积神经网络的特征提取与预训练模型微调展开涵盖图像预处理、人脸匹配、认证决策与考勤记录等环节并涉及数据增强、批量归一化等优化思路。目前已有309人学习下载适合希望跳过繁琐环境配置、直接观察模型效果并在此基础上二次开发的读者参考。1. 从一张打卡照片说起CNN 人脸识别考勤系统到底解决了什么早上九点公司前台排了七八个人等着按指纹有人手指脱皮按不上有人戴着口罩站在摄像头前反复调整角度。这个场景几乎每个做门禁或考勤的团队都遇到过。基于 CNN 的人脸识别考勤系统核心就是用卷积神经网络把人脸特征提取出来跟库里已注册的人脸做比对比对通过就写一条考勤记录。它替代的是指纹机和刷卡机解决的是「人到了但打不上卡」的尴尬。这个方案适合谁一是中小团队想快速搭一套能跑的人脸考勤 Demo二是做嵌入式门禁的工程师想把算法侧跑通再往硬件上迁三是学生做毕设需要一个有预训练模型、能直接运行、结构清晰的工程。标题里「包含预训练模型可以直接运行」是关键——它意味着你不需要从零训练一个 CNN而是拿现成的骨干网络做特征提取或微调把精力放在人脸检测、对齐、比对和考勤业务逻辑上。下面按「选什么模型 → 怎么搭流程 → 怎么跑起来 → 坑在哪 → 怎么调优」的顺序拆开讲。2. 模型选型与系统架构为什么是 CNN 而不是传统特征2.1 从 Haar 到 CNN人脸识别算法到底换了什么早期人脸考勤用 Haar 级联做检测再用 LBPH 做识别。Haar 检测快但误检率高侧脸和戴口罩基本废掉LBPH 对光照和角度极其敏感换一个灯管识别率就掉一截。CNN 的介入改变了这个局面卷积核在局部感受野上滑动自动学到边缘、纹理、五官结构等层级特征对光照、表情、小角度偏转的鲁棒性远好于手工特征。具体到人脸识别主流做法分两条线。一条是「检测 特征提取 比对」检测用 MTCNN 或 RetinaFace 把人脸框出来特征提取用 ResNet、MobileNet 或 ArcFace 系列骨干网络输出一个 128 维或 512 维的 embedding比对用余弦相似度或欧氏距离。另一条是端到端的人脸识别网络直接输出身份分类。考勤场景人数固定、需要频繁注册新员工用 embedding 距离阈值的方式更灵活——加人不用重新训练分类头只存一条特征向量就行。提示如果你的场景人数在几十到几百人embedding 方案是首选如果人数上万且固定才考虑分类头微调。2.2 预训练模型怎么选ResNet、MobileNet 还是 ArcFace标题强调「包含预训练模型」选型直接决定你能不能直接跑起来。常见做法是骨干网络特征维度参数量级适用场景预训练权重来源ResNet-50512约 25M服务器端、精度优先ImageNet 或人脸数据集MobileNetV2128/512约 3.5M边缘设备、速度优先ImageNet 迁移ArcFace (ResNet-100)512约 65M高精度人脸比对人脸识别专用预训练FaceNet (Inception)128约 23M通用人脸 embedding人脸三元组训练如果你要「直接运行」优先选带人脸预训练权重的 ArcFace 或 FaceNet因为 ImageNet 预训练权重是学物体分类的直接拿来做人脸比对效果一般需要用人脸数据微调。MobileNetV2 适合往 K10 行空板、STM32 这类资源受限的门禁硬件上迁但要注意 STM32 通常跑不动完整 CNN实际是「MCU 做人脸检测触发 上位机或专用 NPU 跑识别」的分工。2.3 考勤系统的完整链路拆解一套能跑的 CNN 人脸识别考勤系统链路是这样的摄像头取帧用 OpenCV 读取视频流人脸检测定位人脸框和关键点人脸对齐根据关键点做仿射变换把歪脸摆正特征提取CNN 输出 embedding特征比对跟注册库里的向量算距离阈值判定小于阈值判定为同一人写考勤记录带时间戳和人员 ID。每一步都有坑后面章节会逐个展开。这里先记住一个原则检测和对齐的质量直接决定识别上限。检测框歪了、关键点飘了再强的 CNN 也救不回来。3. 从零跑通环境搭建、注册与识别的最小可运行代码3.1 环境依赖与预训练模型加载先装依赖。我一般用 Python 3.83.10太新的版本有些深度学习库轮子不全。pip install opencv-python numpy torch torchvision facenet-pytorch pillowfacenet-pytorch自带 MTCNN 检测和 InceptionResnetV1 预训练权重适合快速跑通。如果你用 ArcFace可以换成insightface但它的模型下载和依赖链更重第一次跑容易卡在编译上。import torch from facenet_pytorch import MTCNN, InceptionResnetV1 device torch.device(cuda if torch.cuda.is_available() else cpu) # MTCNN 负责人脸检测和对齐输出对齐后的 160x160 人脸 mtcnn MTCNN(image_size160, margin20, keep_allFalse, devicedevice) # InceptionResnetV1 用 vggface2 预训练权重输出 512 维 embedding resnet InceptionResnetV1(pretrainedvggface2).eval().to(device) print(模型加载完成运行设备:, device)逻辑说明MTCNN的image_size160是 InceptionResnetV1 要求的输入尺寸margin20是给人脸框外扩的像素避免裁得太紧丢掉下巴和额头。keep_allFalse表示只保留置信度最高的一张脸考勤场景通常一次只拍一个人。pretrainedvggface2是关键参数它加载的是在人脸数据集上训练过的权重不是 ImageNet 分类权重。参数怎么改如果画面里有多人需要同时识别把keep_allTrue后面按框逐个处理。如果人脸偏小把margin调到 40 以上。image_size不要随意改改了要同步改骨干网络的输入。3.2 人脸注册把员工照片变成特征向量库注册就是把每个员工的人脸转成 embedding 存起来。我一般存成{姓名: 向量}的字典用 numpy 保存。import os import numpy as np from PIL import Image def register_face(image_path, name, save_dirface_db): os.makedirs(save_dir, exist_okTrue) img Image.open(image_path).convert(RGB) # mtcnn 返回对齐后的人脸张量shape 为 (3,160,160) face mtcnn(img) if face is None: print(f{name} 未检测到人脸注册失败) return False # 增加 batch 维度送入网络 face face.unsqueeze(0).to(device) with torch.no_grad(): embedding resnet(face).cpu().numpy().flatten() np.save(os.path.join(save_dir, f{name}.npy), embedding) print(f{name} 注册成功特征维度 {embedding.shape[0]}) return True register_face(zhangsan.jpg, zhangsan)逻辑说明mtcnn(img)内部做了检测、关键点定位和对齐返回的是已经摆正的人脸。unsqueeze(0)是加 batch 维度因为网络要求输入是(N,3,160,160)。torch.no_grad()关闭梯度计算推理阶段必须加否则显存会爆。存成.npy而不是 pickle是为了跨环境读取方便。参数说明注册照片建议正面、光照均匀、不戴墨镜。每人注册 13 张不同角度的照片取 embedding 平均比单张更稳。如果注册时face is None检查照片是不是太暗或人脸太小。3.3 实时识别与考勤记录写入识别就是拿摄像头帧检测人脸算 embedding跟库里所有向量比距离。import cv2 import numpy as np import time def load_db(save_dirface_db): db {} for f in os.listdir(save_dir): if f.endswith(.npy): name f[:-4] db[name] np.load(os.path.join(save_dir, f)) return db def cosine_distance(a, b): # 余弦距离越小越相似 return 1 - np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b)) def recognize(frame, db, threshold0.6): img Image.fromarray(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)) face mtcnn(img) if face is None: return None, None face face.unsqueeze(0).to(device) with torch.no_grad(): emb resnet(face).cpu().numpy().flatten() best_name, best_dist unknown, 1.0 for name, ref in db.items(): d cosine_distance(emb, ref) if d best_dist: best_dist, best_name d, name if best_dist threshold: return best_name, best_dist return unknown, best_dist db load_db() cap cv2.VideoCapture(0) attendance {} while True: ret, frame cap.read() if not ret: break name, dist recognize(frame, db) if name ! unknown and name not in attendance: attendance[name] time.strftime(%Y-%m-%d %H:%M:%S) print(f考勤记录: {name} {attendance[name]}) cv2.putText(frame, f{name} {dist:.2f} if dist else no face, (20, 40), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2) cv2.imshow(attendance, frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()逻辑说明cosine_distance用 1 减去余弦相似度得到距离越小越像。threshold0.6是经验值不同模型和数据集要重新标定。attendance字典做去重同一个人当天只记一次。实际部署时把print换成写数据库或 CSV。参数说明阈值是这套系统最敏感的参数。设太高陌生人被认成员工设太低员工本人被拒。标定方法拿一批已知同一人和不同人的图片对画距离分布取等错误率附近的点。InceptionResnetV1 在 vggface2 上余弦距离阈值通常落在 0.50.7 之间。4. 避坑与排查识别率上不去时先查这五件事4.1 现象同一个人换角度就认不出原因注册时只用了正面照CNN 提取的 embedding 对角度敏感侧脸特征偏移大。解决每人注册 3 张正面、左偏 30 度、右偏 30 度取 embedding 平均或分别存储取最小距离。更彻底的做法是注册时用 MTCNN 的对齐功能把关键点摆正后再提特征。4.2 现象晚上或背光时识别率断崖下跌原因摄像头自动曝光把脸拍成剪影CNN 输入的有效像素太少。解决加补光灯是最直接的。算法侧可以在检测前做直方图均衡化或 CLAHE但不要过度否则噪声也被放大。我一般在前端加一个亮度判断低于阈值就提示「请靠近光源」。4.3 现象阈值调来调去总是不对原因用固定阈值应对所有人和所有光照本身就不合理。解决分场景设阈值。注册质量高的员工用 0.6注册质量差的放宽到 0.7。更稳的做法是引入「拒识」机制距离在 0.60.75 之间时提示「请再靠近一点」而不是硬判。4.4 现象摄像头帧率够但识别卡顿原因每帧都跑 MTCNN ResNetGPU 没吃满但 Python 循环和图像转换成了瓶颈。解决跳帧处理每 35 帧做一次识别中间帧复用上一次结果。把Image.fromarray和颜色转换放到识别分支里不要每帧都做。如果上边缘设备把 ResNet 换成 MobileNetV2推理速度能快 35 倍。4.5 现象预训练模型加载报错或下载失败原因facenet-pytorch第一次运行会从网络下载权重网络不稳或缓存路径没权限就失败。解决提前手动下载权重放到~/.cache/torch/checkpoints/或者用torch.hub.set_dir()指定有权限的目录。如果完全离线把权重文件和代码一起打包加载时用本地路径。这也是「包含预训练模型可以直接运行」在实际交付时最容易被忽略的一环——权重没打包进去换台机器就跑不起来。5. 把识别率再抬一截对齐、增强与阈值标定的实操技巧5.1 人脸对齐不是可选项很多人跑通检测就直接送网络识别率卡在 85% 上不去。MTCNN 返回的face已经是对齐后的结果但如果你用的是自己写的检测器一定要加一步仿射变换。对齐的依据是两眼中心和鼻尖把两眼连线摆成水平人脸缩放到固定尺寸。这一步在侧脸和抬头场景能带来 510 个百分点的提升。import cv2 import numpy as np def align_face(img, left_eye, right_eye, nose, output_size160): # 目标位置左眼(0.3,0.4) 右眼(0.7,0.4) 鼻尖(0.5,0.6) dst np.array([ [0.3 * output_size, 0.4 * output_size], [0.7 * output_size, 0.4 * output_size], [0.5 * output_size, 0.6 * output_size] ], dtypenp.float32) src np.array([left_eye, right_eye, nose], dtypenp.float32) # 用相似变换保持人脸比例不变形 M, _ cv2.estimateAffinePartial2D(src, dst) aligned cv2.warpAffine(img, M, (output_size, output_size)) return aligned逻辑说明estimateAffinePartial2D只做旋转、平移和等比缩放不会把脸拉扁。目标位置是经验比例左眼在宽度 30%、高度 40% 处右眼对称鼻尖在 50%、60% 处。这个布局跟大多数人脸识别网络的训练数据分布接近。5.2 数据增强在注册阶段就做不要等到识别不准才想增强。注册时对每张照片做小角度旋转±15 度、亮度扰动±20%、轻微高斯噪声各生成 23 个变体分别提 embedding 后取平均。这样得到的参考向量对光照和角度更鲁棒。注意增强幅度不要太大否则 embedding 会偏离本人特征。5.3 阈值标定用 ROC 曲线而不是拍脑袋拿 20 个员工、每人 5 张不同场景照片两两组合算距离。同一人的距离作为正样本不同人的作为负样本画 ROC 曲线取约登指数最大的点作为阈值。没有这个条件时至少跑一遍「本人 vs 本人」和「本人 vs 他人」的距离分布看两个分布的重叠区阈值取重叠区中间偏保守的位置。标定方法需要数据量精度适用阶段经验值 0.6无低快速 Demo距离分布观察10 人 × 3 张中小规模部署ROC 曲线20 人 × 5 张高正式上线5.4 一个我踩过的坑别用 ImageNet 权重直接做人脸比对刚做这套系统时我图省事用了 torchvision 的 ResNet-50 ImageNet 权重提特征结果同一人的余弦距离和不同人的距离几乎混在一起阈值根本没法设。ImageNet 学的是「猫狗车船」的判别特征不是人脸身份特征。换成人脸预训练权重后同一人距离直接降到 0.3 以下不同人拉到 0.8 以上阈值空间一下就出来了。这个教训值一个星期的调试时间。5.5 往硬件迁移时的取舍如果你最终要落到人脸识别门禁机或 K10 行空板这类设备上记住算力分配检测可以轻量MobileNet-SSD 或 YOLO 的 nano 版本识别用 MobileNetV2 提 128 维特征比对在 CPU 上做。STM32 方案通常只做红外触发和继电器控制识别跑在上位机或带 NPU 的模组上。别指望 MCU 直接跑 ResNet-50量化到 int8 也吃力。我现在的习惯是每接一个新场景先拿 10 个人跑一遍注册和识别看距离分布再定阈值不直接套上次的参数。人脸识别考勤系统没有一套参数打天下的说法光照、摄像头、人群分布一变阈值和对齐策略都要跟着调。希望帮到你。本文还有配套的精品资源点击获取