简介一份基于人脸识别技术的小区门禁管理系统完整源代码使用Python 3.6.8开发搭配MySQL 5.7数据库覆盖管理员端与用户端全部核心流程适合高校毕业设计、课程设计以及希望借助完整项目入门Python人脸识别开发的读者。系统实现管理员注册登录、管理员账号增删、用户数据管理、人脸图片批量增删与单条操作并可查询已录入但未训练模型的用户用户端支持实时人脸识别、姓名缩写显示、语音提示开门、陌生人与拉黑用户响铃告警且限定单人识别业务闭环完整。资源包共84个文件以.py/.pyc可执行源码为主辅以.ui界面文件、数据库.sql脚本、.onnx人脸模型、.mp3提示音、jpg/png图像素材与需求说明文档整体压缩包约12.33MB代码分层包含utils、dao、service等模块部署文档完整可快速还原环境并运行调试。已有44人学习非常适合用于毕业设计参考、课程实训或在此基础之上进行功能二次开发。1. 人脸识别门禁系统从毕设源码落地到生产逻辑拿到“基于人脸识别智能化小区门禁管理系统源代码完整前后端mysql说明文档LW.zip”这类压缩包第一件事不该是解开去点运行而是先想清楚它是四层结构的合成体摄像头端的抓拍与识别、后端业务接口、MySQL 里落库的业主和门禁日志、以及 Vue/管理系统这类人机交互界面。标题里的 LW 是论文的缩写说明这套交付物还包含毕业设计文档系统的架构图、ER 图、测试截图都会在文档里对应出现。人脸识别门禁和普通考勤机的差异在容错责任考勤迟到可以补卡门禁放行一个陌生人则直接变成安全事件。因此它不能只有“能认脸”这个 demo还需要把阈值、有效期、黑名单、异常记录全部纳入业务闭环。这篇文章按大多数人做这类系统时的实际路径来拆先建模数据库再把人脸识别链路串起来最后落到本地部署和答辩调优。适合正在改毕设源码的同学也适合想把这个题目改造成小规模商用方案的一线工程师。2. 前后端分离架构与 MySQL 表设计业主、访客和门禁日志怎么建模人脸识别门禁管理系统的代码形态绝大多数是前后端分离Spring Boot 提供 REST 接口Vue 配合 Element UI 做管理页面MySQL 存持久化数据识别引擎要么内嵌在后端进程里要么单独拆成一个识别服务。为什么把识别引擎单独拆开而不是揉进 Controller因为人脸比对是 CPU/内存密集操作业务接口却需要快速响应管理页面请求两者混在一起时一次批量注册人脸会把整个接口堵住。拆开之后识别请求走独立线程池或者独立进程就算识别服务卡住物业后台的查询、登记接口仍然能正常返回。2.1 模块边界设备端、识别服务、管理后台各管什么整套系统可以按物理位置切三个模块。设备端是单元门或小区大门口的人脸识别门禁机它的职责是持续抓拍、检测画面里是否有人脸、把抓拍图上传给识别服务识别服务接收抓拍图后做人脸特征提取再去 MySQL 里做 1:N 比对返回是否放行管理后台则负责录入业主信息、上传底库照片、查看开门记录、管理访客预约。这三个模块通过 HTTP 接口交互实际项目里常见的是门禁机主动向上抛数据后台管理的是配置下发设备端本地也会缓存一份黑名单和白名单断网时保证基本通行能力。2.2 MySQL 核心表业主、管理员、门禁记录、访客登记先把业务对象列清楚建表就不会乱。一般的门禁管理系统会涉及四类实体业主用户是人脸底库的归属者物业管理员是操作后台的人门禁记录是每一次识别行为的流水访客登记是临时授权记录。这四张表基本能覆盖 80% 的毕设需求如果再加上设备表就能适配多个门口的场景。下面是一组常用的建表语句字段名尽量用工整的命名规范方便写 MyBatis 映射CREATE TABLE face_user ( id bigint NOT NULL AUTO_INCREMENT, user_name varchar(32) NOT NULL COMMENT 业主姓名, phone varchar(20) DEFAULT NULL COMMENT 手机号, unit_no varchar(32) DEFAULT NULL COMMENT 楼栋单元例如 3-2-501, face_feature blob COMMENT 人脸特征向量12288字节, face_image_url varchar(255) DEFAULT NULL COMMENT 人脸底库照片访问路径, status tinyint NOT NULL DEFAULT 1 COMMENT 1正常 0停用, create_time datetime NOT NULL DEFAULT CURRENT_TIMESTAMP, update_time datetime NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP, PRIMARY KEY (id) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4 COMMENT业主表; CREATE TABLE access_log ( id bigint NOT NULL AUTO_INCREMENT, user_id bigint DEFAULT NULL COMMENT 识别命中的业主ID未命中为NULL, capture_image_url varchar(255) NOT NULL COMMENT 现场抓拍图, compare_score decimal(6,4) DEFAULT NULL COMMENT 人脸比对相似度或距离值, access_time datetime NOT NULL COMMENT 识别时间, access_status tinyint NOT NULL COMMENT 1放行 0拒绝, device_no varchar(64) DEFAULT NULL COMMENT 门禁机编号, PRIMARY KEY (id), KEY idx_access_time (access_time), KEY idx_user_id (user_id) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4 COMMENT门禁通行记录; CREATE TABLE visitor_record ( id bigint NOT NULL AUTO_INCREMENT, visitor_name varchar(32) NOT NULL, visitor_phone varchar(20) NOT NULL, visited_user_id bigint NOT NULL COMMENT 被访业主, visit_reason varchar(128) DEFAULT NULL, start_time datetime NOT NULL, end_time datetime NOT NULL, status tinyint NOT NULL DEFAULT 0 COMMENT 0待审核 1已通过 2已到期, PRIMARY KEY (id) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4 COMMENT访客登记表;两组字段要解释一下face_feature用 blob 存的是人脸识别模型提取出来的特征向量而不是底库照片本身。以 Dlib 的 128 维人脸模型为例每个 float 是 4 字节总长 512 字节如果是 ArcSoft 虹软之类的引擎特征可能是 1024 字节或更长用 blob 最省事。识别时把 blob 读出转成 float 数组送去和现场提取的特征做距离计算。compare_score字段要提前想清楚存的是什么语义Dlib 用的是欧氏距离值越小越相似虹软和百度的人脸比对返回的是相似度值越大越相似。字段设计成 decimal 两种都兼容代码里再根据引擎做阈值方向判断。2.3 人脸特征存储的另一种方案特征文本化用 blob 存特征MySQL 单表压力不大但如果人脸数量超过十万全表扫描比对就不现实了。实际项目里有两种折中方案一是把特征向量转 Base64 或 Hex 字符串存到 text/varchar 字段代码里先读一列再反序列化虽然多了一道转换但排查问题时能看到特征数据便于复现比对错误二是用独立的特征索引中间件比如 Redis 里面维护一个user_id - feature的哈希表重启时再全量加载。对毕设和小规模小区来说直接用 blob 存特征最简单识别服务启动时一次性加载全部业主特征到内存后续比对全在内存里做MySQL 只承担持久化职责。3. 人脸识别核心链路摄像头抓拍、特征比对与阈值调校人脸识别门禁的实时链路可以抽象成三个阶段抓拍、比对、放行回写。很多毕设项目在实际演示时没有真实门禁机会用笔记本摄像头 继电器模块模拟开锁或者干脆在管理端上传一张照片作为“模拟抓拍图”。不管用哪种方式核心代码路径是一致的拿到一帧图片检测人脸位置裁剪出人脸区域送入特征提取模型再和数据库里的底库特征做距离/相似度计算最后根据阈值判定是否放行。3.1 抓拍与人脸检测先确保检测框稳定再谈识别摄像头取流最常用的方案是 OpenCV 的 VideoCapture。门禁机通常是 RTSP 流本地测试则直接开相机索引。下面这段 Python 代码展示了抓拍帧、检测人脸并截取人脸的典型处理方式import cv2 cap cv2.VideoCapture(0) # 分辨率设低一点减少人脸检测耗时 cap.set(cv2.CAP_PROP_FRAME_WIDTH, 640) cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 480) detector cv2.CascadeClassifier( cv2.data.haarcascades haarcascade_frontalface_default.xml ) while True: ret, frame cap.read() if not ret: break gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces detector.detectMultiScale( gray, scaleFactor1.1, minNeighbors5, minSize(80, 80) ) for (x, y, w, h) in faces: face_img frame[y:yh, x:xw] recognize_face(face_img) # 送入识别模块 cv2.rectangle(frame, (x, y), (xw, yh), (0, 255, 0), 2)scaleFactor1.1表示每次缩放检测窗口的倍率数值越接近 1 检测越精细但是越慢minNeighbors5是最小邻域框数数值调大可以减少误检但可能漏掉侧脸minSize设成 80 以上可以过滤掉远处小人脸在小区单元门口这种固定机位的场景可以把 minSize 设得更大比如 120让系统只关注靠近摄像头的人脸。3.2 特征比对阈值方向决定了误放行和拒真率特征比对是整个系统里最需要调参的地方。这里以 Dlib 的face_recognition库为例因为它离线可用、社区资料多毕设项目最常用import face_recognition import numpy as np # 加载现场抓拍图并编码 capture_img face_recognition.load_image_file(capture.jpg) encodings face_recognition.face_encodings(capture_img) if not encodings: raise RuntimeError(NO_FACE) capture_encoding encodings[0] # 从 MySQL 读取已注册业主的特征向量 registered_vectors, registered_ids load_all_features_from_db() # 计算当前人脸与所有底库之间的欧氏距离 distances face_recognition.face_distance(registered_vectors, capture_encoding) # 取距离最小的作为候选 min_idx int(np.argmin(distances)) min_distance float(distances[min_idx]) # 距离越小越相似0.45 是常见阈值 matched_user_id registered_ids[min_idx] if min_distance 0.45 else None这里的核心参数是 0.45。face_recognition 库的官方建议里0.6 是“较宽松”的分界适合允许家庭内部成员共享0.4 以下适合门禁这类要求高安全的场景。但实际阈值不能照抄因为底库照片质量、摄像头分辨率、光照角度都会直接影响距离分布。正确做法是先用 20 张已注册业主的日常照片跑一遍统计“本人比对距离”的分布再拿 50 张陌生面孔跑一次统计“陌生人距离”的分布两组分布重叠区域的中值就是阈值。常见情况下本人距离在 0.25 到 0.40 之间陌生人距离在 0.50 以上取 0.42 左右可以得到较低的误放行率。3.3 门禁控制与记录回写放行不能只靠一个布尔值识别通过之后系统要做的不是单纯返回 true而是联动 GPIO 控制继电器开锁同时把流水写库。用树莓派或者 SCM 板卡控制继电器时通常通过串口或 HTTP 调用设备端接口public AccessResult verifyAndOpenDoor(BufferedImage captureImage, String deviceNo) { // 1. 人脸检测 特征提取 FaceInfo faceInfo faceEngine.detectAndExtract(captureImage); if (faceInfo null) { return AccessResult.reject(NO_FACE_DETECTED); } // 2. 与内存中的业主特征库做 1:N 比对 MatchResult match faceEngine.search(faceInfo.getFeature(), threshold); // 3. 判断业主状态是否正常 if (match.getUserId() null) { accessLogService.save(deviceNo, null, null, match.getDistance(), 0); return AccessResult.reject(NO_MATCH); } FaceUser user userMapper.selectById(match.getUserId()); if (user.getStatus() ! 1) { accessLogService.save(deviceNo, user.getId(), null, match.getDistance(), 0); return AccessResult.reject(USER_DISABLED); } // 4. 调用设备端开门接口超时 2 秒 boolean opened doorDeviceClient.openDoor(deviceNo, 3000); accessLogService.save(deviceNo, user.getId(), captureImagePath, match.getDistance(), 1); return AccessResult.allow(user.getId()); }写日志时要注意access_log表的 insert 不能放在开门动作之前。如果先写库再开门门开了但日志丢失的情况会出现如果先开门再写库日志没落盘就以为识别失败又会造成重复放行。更稳健的做法是把日志保存和开门动作放在一个事务边界内开门调用设置为短超时一旦超时立即回滚日志并返回“识别成功但设备无响应”让维护人员去检查门禁机网络。4. 本地部署与联调JDK/Node/MySQL 环境、初始化 SQL 与常见报错毕设工程拿到手之后部署环节卡住的人比写代码卡住的还多。这一类前后端分离项目本地跑通的标准动作是先确认 Java、Maven、Node、MySQL 版本兼容再导入 SQL 初始化数据库然后按顺序启动后端和前端。很多人习惯先npm run serve再启动后端前端页面倒是出来了一登录就报网络错误因为后端还没起来或者数据库连接池报错。4.1 环境版本搭配和安装注意点给出一套稳妥的组合JDK 1.8 配 Spring Boot 2.xNode 14 以上配 Vue 2 或 Vue 3MySQL 5.7 或 8.0。JDK 17 也能跑大多数 Spring Boot 2.7 项目但需要额外确认 pom.xml 里有没有引入 javax 与 jakarta 的兼容问题。MySQL 8.0 默认认证插件是 caching_sha2_password老版本的数据库驱动可能连不上解决办法是把 pom 里的 mysql-connector-java 升级到 8.0 以上或者在建用户时指定IDENTIFIED WITH mysql_native_password BY 123456。4.2 初始化数据库与修改后端配置打开项目里自带的 SQL 文件导入后还要检查它的字符集。如果 SQL 文件是用 navicat 导出的很可能在开头带着SET NAMES utf8mb4这种情况下直接用命令行导入更稳妥mysql -u root -p -e CREATE DATABASE IF NOT EXISTS access_system DEFAULT CHARSET utf8mb4; mysql -u root -p access_system src/main/resources/access_system.sql导入之后打开application.yml修改数据源和识别参数。这里是一份典型配置文件关键项都用注释标出来了server: port: 8080 spring: datasource: url: jdbc:mysql://localhost:3306/access_system?useUnicodetruecharacterEncodingutf8useSSLfalseserverTimezoneAsia/Shanghai username: root password: 123456 driver-class-name: com.mysql.cj.jdbc.Driver mybatis-plus: mapper-locations: classpath:mapper/*.xml configuration: map-underscore-to-camel-case: true app: face: # Dlib 欧氏距离阈值越小越严格 threshold: 0.42 # 底库照片本地存放路径 face-image-path: D:/data/access/faces/ capture-image-path: D:/data/access/captures/serverTimezoneAsia/Shanghai必须显式设置否则高版本的 MySQL 驱动在从 8 位时区取时间时会直接抛异常。map-underscore-to-camel-case开启后unit_no字段能自动映射到unitNo属性这个配置在 MyBatis-Plus 里默认是开的但在老项目里经常被关掉导致查出来的字段全是 null。前端项目一般在web或vue-front目录下找到.env文件或者vue.config.js里的 devServer 代理配置module.exports { devServer: { port: 8081, proxy: { /api: { target: http://localhost:8080, changeOrigin: true, pathRewrite: { ^/api: } } } } };这套代理的含义是当前端页面请求/api/login时devServer 把它转发到后端的/login同时把原始请求头里的 Host 改成localhost:8080。如果不配changeOrigin: true后端拿到的 Origin 仍然是 8081 端口一旦后端开启了 CORS 限制就会报跨域错误。4.3 启动命令与三个高发报错排查后端如果是 Maven 工程启动命令如下前后端不要共用终端窗口cd backend mvn spring-boot:run前端执行cd web npm config set registry https://registry.npmmirror.com npm install npm run serve运行期排错三个报错出现频率最高。第一个是Access denied for user rootlocalhost需要检查 MySQL 密码是否真的和 yml 里一致第二个是Cannot connect to MySQL server on localhost:3306一般是 MySQL 服务没启动Windows 下执行net start mysql或者去服务管理器找 MySQL 服务第三个是npm ERR! code ELIFECYCLE通常不是代码问题而是端口被占用把 vue.config.js 里的 port 改成 8082 再跑一次即可。提示如果后台返回了 404 而前端接口地址看起来没问题先看 devServer 代理路径和后端RequestMapping前缀是否对应。很多项目把后端接口统一加上了/api前缀代理又做了一次路径重写两边处理不好就会出现“浏览器能看到请求后端接口就是不匹配”的局面。5. 答辩与性能调优识别准确率、并发读写和安全边界怎么讲清楚如果你的目标是毕业设计答辩这部分会是评委最关心的落点系统到底怎么验证“人脸识别有效”阈值为什么是这个数字十万人以内性能会不会崩。把这三个问题准备清楚比堆功能介绍有用得多。5.1 用一份实测数据给出准确率结论不要只截图说“能识别成功”而是准备三组对照数据已注册业主本人识别 50 次统计通过率陌生人冒用识别 50 次统计拒绝率弱光环境晚上门口灯光不足识别 20 次统计失败率。把距离分布做成表格例如阈值 0.42 时本人距离均值 0.31、最大 0.40陌生人距离均值 0.62、最小 0.49这样阈值设置的依据一目了然。调整阈值时观察两个指标误放行率FAR和拒真率FRR阈值调大 0.45 时 FAR 可能从 0 涨到 4%阈值调小到 0.38 时 FRR 可能从 2% 涨到 10%。答辩时讲这份数据比任何技术名词都更能说明你对系统的理解。5.2 并发读写下的人脸库加载策略业主规模增大后识别速度的瓶颈不在比对本身而在特征加载。如果每次识别都查 MySQL、反序列化 blob、再去做 1:N 遍历单次响应会超过 500ms。常见做法是在内存里维护一个全局特征库每次业主注册或修改后增量更新这个特征库门禁识别时直接查内存不触碰 MySQL。Spring Boot 里可以用ConcurrentHashMapLong, byte[]模拟这个特征缓存注意更新时要做原子替换避免识别线程读到半写状态的特征数据。识别服务要设置独立的线程池避免占用 Tomcat 的请求线程否则门禁机上报的抓拍请求一多管理后台登录接口就会跟着变慢。5.3 活体检测与照片攻击的边界毕设项目里最容易被打脸的场景是“用一张照片刷脸”。OpenCV 级联检测 Dlib 特征比对在这里是防不住的因为照片本身包含完整的人脸特征。要补这个漏洞有三挡做法最轻量的方案是要求用户眨眼或左右转头做动作配合帧率在 15fps 时连续采集 5 帧画面做动态比对第二挡是加红外摄像头或深度传感器检测活体深度信息但这需要硬件支持门禁机选型时就要预留第三挡是检查图像熵值和反光异常用 DCT 变换检测屏幕摩尔纹属于纯算法方案适合纯软件改造。答辩时至少要把第一挡实现出来并用一次“拿照片尝试开门”的测试证明系统会拒绝这是人脸识别门禁比人脸打卡更被关注的功能差异点。系统交付时建议保留一批演示数据20 个已注册业主底库照片、对应的特征向量缓存、3 天的通行日志以及一条访客预约记录。这样无论演示还是验收都能在五分钟内完整展示“登记录入、现场识别、放行记录、访客到期停用”的闭环路径而不是临时去注册一个人脸再等摄像头抓拍。本文还有配套的精品资源点击获取