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，面向计算机、人工智能相关专业需要完成课题设计或系统开发的学生。项目采用Flask框架，整合人脸数据采集、特征提取、识别比对与签到记录管理功能，并提供后台用户管理、登录验证等完整业务闭环。压缩包共27个文件，主要包括8个Python源码文件（系统逻辑与识别模型调用）、7个HTML页面模板（前端界面展示）、Sqlite数据库、预训练模型数据及配置说明，整体约101.47MB，目录划分清晰，便于按功能模块学习和二次开发。配套README与requirements.txt可辅助读者快速搭建虚拟环境并启动项目，初始管理员账户便于直接体验系统。目前已有404人学习下载，对准备毕业设计答辩或入门深度学习应用开发的读者具有较高参考价值。 每年到了毕业季，总有一批人被“人脸识别签到系统”这个题目吸引。网上相关的论文、GitHub仓库一抓一大把，但大多数都是把开源代码跑通、界面截图做好看、论文措辞包装一下就算完事。说实话，这类毕设想糊弄过去不难，但如果你想真正搞懂里面的技术链路，答辩时能经得住老师追问，甚至让这个系统在真实课堂场景里跑起来——那需要做的功课比想象中多不少。
我去年带过一个学弟做类似方向，前后花了三个多月。从学术角度说，这个题目涉及的技术栈非常典型：目标检测、特征提取、度量学习、数据库设计、前后端交互，几乎覆盖了计算机视觉应用开发的完整流程。从实操角度说，它又是个“看起来简单、边边角角全是坑”的项目：光线一变就识别失败、戴个口罩直接哑火、两个人同时入镜就抓瞎、后台比对耗时太长导致签到排队——这些问题，论文里一个字都不会写。
这篇文章我把整个项目的设计思路、技术选型依据、核心代码骨架、踩过的坑、以及论文工作量的组织方式都拆开讲一遍。如果你是准备做这个方向的毕设，或者工作中要快速搭建一个类似的人脸识别应用，可以拿这份内容当参考底稿。
1. 先想清楚再动手：这个系统到底在解决什么问题
很多人在开工第一天就直接去GitHub找人脸识别仓库，这其实是本末倒置。任何系统设计的起点都应该是场景需求，而不是技术实现。人脸识别签到系统，本质上是把“人”和“事件”绑定——谁，在什么时间，参加了什么活动或课程。搞清楚这个核心逻辑，你才能做出真正有用的设计。
1.1 为什么不建议直接用传统考勤方案
传统的指纹打卡、IC卡签到、二维码签到，在真实课堂或会议场景里都有各自的痛点：指纹打卡需要排队、接触式设备存在卫生和磨损问题；IC卡可以代刷；二维码可以被转发。人脸识别签到的核心优势在于“人与生物特征绑定”，难以替代，而且可以实现无感通行——只要从摄像头前走过就能完成签到。
但这里有个误区：你不需要做到“万能人脸识别”，只需要做到“在特定教室里，识别限定范围内的几十号人”。这个认知差距决定了你的技术路线选择。如果是做通用人脸识别，要面对的是千万级底库、复杂光照、各种姿态角度的极端情况，那基本是个工业级难题。但课堂签到场景，画质相对稳定、底库规模小、人脸角度可控，完全可以走轻量化方案。
1.2 毕设的核心难点不在“识别”，而在“边界与场景”
人脸识别模型本身已经很成熟了，真正的设计难点在于边界条件：光线变化、遮挡、多人同时入镜、低头玩手机、学生坐在最后一排脸太小、屏幕上的人脸照片能不能骗过系统……这些问题才是需要你花大量时间去调优的。
举个例子：教室靠窗位置和靠门位置的光照差异可能非常大，同一个学生在不同座位被拍到的脸，特征向量的差异可能比不同人都大。再比如，老师站在讲台上，背后是黑板，反光会导致面部过曝。这些都是在实际测试中才会暴露出来的问题，也是你论文里“实验结果与分析”章节最好的素材。
1.3 技术路线怎么定：三个关键问题
动手之前，先把下面三个问题想清楚，它们直接决定你的技术选型和工作量分配。
问题一：识别是实时视频流还是抓拍图片？如果是实时视频流，需要考虑帧率、延迟和算力开销；如果是抓拍图片，逻辑简单很多，但用户体验差——学生需要在镜头前停一下等结果。
问题二：底库规模多大？一个班50人，和一个学院500人，底库规模差一个数量级。这个数字决定了特征比对用暴力遍历还是向量检索。
问题三：运行环境有没有GPU？如果没有独立显卡，所有模型都只能跑CPU推理，这直接影响模型选型和帧率设计。
这三个问题的答案综合起来，就是你的系统原型设计依据。
2. 技术选型决策：我为什么最后选了轻量级检测+预训练特征提取
人脸识别系统的技术链路通常分四段：人脸检测、人脸对齐、特征提取、特征比对。每一段都有多种方案可选，但并不是越先进越好，关键看你的场景约束。
2.1 人脸检测：MTCNN与RetinaFace的取舍
人脸检测的作用是从画面中找到人脸框。常用的方案有OpenCV自带的Haar级联分类器、MTCNN、RetinaFace、YOLO系列（配合专门的人脸检测模型）。
Haar级联属于传统方法，速度极快但误检率偏高，稍微偏个角度就检测不到，我直接Pass了它——毕设项目里用这个，答辩时容易被质疑工作量不足。RetinaFace检测精度很高，自带人脸关键点输出，但模型体积大、CPU推理慢。MTCNN是很多轻量级人脸识别项目的首选：模型小、速度快、支持关键点检测（左眼、右眼、鼻尖、左嘴角、右嘴角），在普通CPU上也能跑到实时帧率。对于课堂签到这种对实时性有一定要求的场景，MTCNN是非常稳妥的选择。
2.2 人脸特征提取：FaceNet与ArcFace的应用场景差异
检测到人脸之后，下一步是把人脸图像转换成一个固定维度的特征向量。这个环节是对比度的核心实验对象，论文里要说的“基于深度学习的人脸识别”主要就体现在这里。
FaceNet是Google提出的经典方案，使用三元组损失（Triplet Loss）训练，输出128维特征向量。它的优势是模型结构简单、理解门槛低、部署方便，对毕设来说非常合适。ArcFace则是目前工业界的常用方案，通过角度间隔损失函数让类内更紧凑、类间更分散，精度更高，但工程实现复杂度也更高。
我的建议是：代码实现用FaceNet一类的预训练模型就够了，但论文里要写清楚ArcFace的原理和对比优势。为什么？因为毕设的代码不是越复杂越好，能稳定跑通才是第一位的。但在论文里展示你对前沿方法的理解，是提升工作量观感的重要手段。
2.3 比对逻辑：欧氏距离与余弦相似度的坑
特征比对是最后一个环节。将当前人脸的特征向量与底库中的所有特征向量计算相似度，超过阈值就判定为同一个人。
这里有个容易出错的点：FaceNet原论文用的是欧氏距离（越小越相似），很多人在代码里却默认用了余弦相似度（越大越相似）。两者在数学上可以互相转化（归一化后的向量，余弦相似度与欧氏距离单调对应），但如果对特征向量做了L2归一化，再用欧氏距离去比较，阈值含义就会变。我的经验是：先用余弦相似度做基准实验，确定一个合适的阈值范围（通常0.6~0.75），再可视化不同阈值下的误识率和拒识率曲线，这部分图表放进论文里非常有说服力。
2.4 开发框架与依赖环境
后端框架我用FastAPI，轻量、自带API文档，写起接口来比Flask顺手。深度学习框架是PyTorch，人脸识别库用了facenet-pytorch和insightface两个仓库做对比。opencv-python负责图像处理和人脸框绘制。数据库用的SQLite——签到系统通常单机部署，数据量不大，SQLite完全够用；但如果你想多展示一点工程能力，换成MySQL或PostgreSQL也完全可以。
2.5 关键运行参数与硬件门槛
从我实测来看，在CPU为i5-1240P的笔记本上，MTCNN人脸检测一帧大概需要40~80ms，FaceNet特征提取需要60~120ms。也就是说，单张照片的识别耗时在0.15秒左右。如果纯CPU运行视频流，帧率大约在5~8 FPS，勉强能用但有些卡顿。有入门级GPU（如GTX 1650以上）的话，可以达到15~25 FPS，体感顺畅很多。如果视频流达不到10 FPS以上，建议改成“抓拍+异步识别”模式：页面提示学生在摄像头前停下，系统自动抓取清晰帧并异步返回结果，比硬顶视频流帧率体验更好。
3. 系统整体设计：签到场景决定架构，不是架构决定场景
技术选型完成后，紧接着要做的就是系统整体架构设计。很多毕设论文会把架构图画得很复杂，但实际代码里模块之间七零八落。这个项目我建议按“摄像头采集端—服务端—管理端—数据库”四层来切。
3.1 摄像头端：选USB摄像头还是笔记本自带摄像头
教室场景一般用USB摄像头，通过RTSP或USB接口接入服务端。如果你在实验室或宿舍模拟，直接用笔记本摄像头也行。OpenCV里用VideoCapture(0)就能打开默认摄像头，代码零成本。
但这里有个容易忽略的点：摄像头的安装位置直接决定了识别效果。如果摄像头挂在黑板正上方，学生是仰视角度，人脸特征提取效果会打折。最佳位置是和人的视线齐平或略高5~10度，这样才能保证人脸姿态接近正脸。
3.2 服务端：要拆成哪些模块
服务端是整个系统的核心，我按职责拆成以下模块：
- 摄像头采集模块：负责打开摄像头、逐帧读取、抽帧处理
- 人脸检测模块：接收帧图像，输出人脸框和关键点
- 特征提取模块：将人脸图转为特征向量
- 注册/签到模块：处理注册新用户、比对特征、写入签到记录
- 课程管理模块：定义课程、选课关系、签到时间段
- Web接口层：给前端页面提供RESTful API
模块之间通过函数调用衔接，不搞微服务——毕设场景搞微服务纯属给自己找麻烦。但接口设计要规范，这样前端开发和答辩演示都会好操作很多。
（补充一个实战经验：早期阶段建议先全部写在一个Python文件里跑通主流程。等你确认识别逻辑没问题了，再按模块拆分成多个文件，这样调试定位问题会快非常多。）
3.3 数据库表设计：简单但别踩主键的坑
我设计了三张核心表：
- student表（学生信息）：字段有id、name、student_no、face_embedding（存特征向量的pickle序列化结果或JSON字符串）、created_at
- course表（课程信息）：字段有id、course_name、teacher_name、start_time、end_time
- attendance表（签到记录）：字段有id、student_id、course_id、check_in_time、status（1正常签到，0迟到等）
这里最坑的地方是人脸特征向量的存储格式。128维浮点数组如果直接存成字符串，取出来要重新解析；用pickle序列化成二进制存BLOB字段倒是最省事，但如果你要跑“特征比对速度对比实验”，最好额外建一个向量索引或至少用numpy的save/load批量导出。另外，同一用户重复注册会产生多条底库记录，比对时要用最新一条，或者注册前先检查是否已存在。
3.4 防止代签：活体检测怎么加
用户可能拿手机屏幕里的照片或打印照片来骗过系统。通常的活体检测方案包括：随机指令动作（眨眼、张嘴、摇头）、红外深度图、纹理分析。对毕设来说，最简单的方案是要求连续多帧检测到人脸且关键点位置连续变化。比如1秒内抽10帧，如果每帧都检测到人脸且眼睛关键点的相对距离变化超过一定阈值，就认为是活体。这个方法实现简单，对静态照片有不错的防御效果，写论文时还能单独成一节。
不过实话实说，这个方案挡不住视频伪造。但如果你的毕设定位是“课堂签到系统”，不是“金融级身份认证系统”，这个级别的防护已经足够。千万别把活体检测做得过于复杂，否则工作量失控，后期根本收不了尾。
4. 核心模块实现：从摄像头画面到一条签到记录
这一节把主流程的代码骨架拆开讲，按“先检测后提取再比对”的顺序来。
4.1 注册流程：怎么把学生人脸存入底库
注册的实质是：输入姓名和学号，拍一张清晰人脸照，提取特征向量，存入数据库。
import cv2 import numpy as np from facenet_pytorch import MTCNN, InceptionResnetV1 # 初始化检测和特征提取模型 mtcnn = MTCNN(image_size=160, margin=0, min_face_size=20) resnet = InceptionResnetV1(pretrained='vggface2').eval() def extract_embedding(frame): # 检测人脸并截取对齐后的人脸图 face = mtcnn(frame) if face is None: return None # 提取128维特征向量 embedding = resnet(face.unsqueeze(0)).detach().numpy().flatten() # 归一化，方便后续比对 return embedding / np.linalg.norm(embedding)注册时，建议连拍3~5张照片取特征的平均值作为底库向量，比单张照片鲁棒多了。实测下来，单张照片注册的通过率在正常光照下还行，但到了傍晚光线变化后就会开始出现偶发拒识。取平均之后，稳定性有明显提升。
4.2 签到流程：检测、比对、写库
签到流程的核心代码逻辑如下：
def check_in(frame, threshold=0.65): # 1. 检测 boxes, probs = mtcnn.detect(frame) if boxes is None: return None, "未检测到人脸" best_match = None best_score = 0 for box in boxes: # 取最大的人脸框（通常是最靠近镜头的那个） x1, y1, x2, y2 = [int(v) for v in box] face_region = frame[y1:y2, x1:x2] emb = extract_embedding(face_region) # 2. 与底库比对 # face_db是从数据库加载的所有学生特征向量组成的二维数组 scores = np.dot(face_db, emb) # 归一化后的向量用点积即余弦相似度 idx = np.argmax(scores) if scores[idx] >= threshold: best_match = students[idx] best_score = scores[idx] # 3. 如果匹配成功，写入签到记录（这里省略事务代码） return best_match, best_score这里注意两个细节。一是用点积代替余弦相似度公式，因为注册时特征向量已经归一化，余弦相似度等于向量点积，直接用np.dot批量计算比循环快很多。二是阈值不能拍脑袋定，需要实际采集一批正样本（同一个人在不同时间、角度、光线下的人脸）和负样本（不同人的人脸），画出相似度分布图，再选区分度最好的分界点。这个实验数据拿去做论文图表，比任何理论分析都有说服力。
4.3 签到判重与课程时间窗
很多同学会忽略“重复签到”的问题——同一个学生在同一节课里多次走到摄像头前，系统每次都给他记录一条签到。这显然不合理。我的处理方案是在attendance表里做唯一约束：同student_id在同一条course_id在同一个上课日期下只能存在一条记录。判断签到前先查一次库，如果已经存在就返回“该学生已签到”。这个逻辑很简单，但能避免很多演示时的尴尬。
4.4 前端界面：别花太多时间，够用就行
前端部分最常见的选择是：纯HTML+JavaScript单页、Vue/React脚手架、微信小程序。如果要以最快速度出效果，纯HTML+JS加上Bootstrap就有不错的观感。更重要的是用Canvas绘制摄像头视频流，识别完成后在人脸框上直接叠加签到成功/失败的标签，效果十分直观，答辩演示时也最具冲击力。
有一个页面设计的注意点：在页面上做“开始签到”按钮，而不是打开页面就自动签到。因为视频流识别是很耗CPU的，在管理员点击“开始签到”后才启动识别线程，能避免资源空转，也更贴近真实使用场景。
5. 实测阶段踩过的坑：公开资料不会写的6个真实问题
这一节是从实际测试中沉淀下来的内容，是我觉得对后来人最有价值的部分。
5.1 光照变化导致识别率断崖式下跌
第一次在教室实测时，学生从走廊（灯光充足）走进教室（靠近窗户一侧更亮），人脸亮度变化非常大，识别率掉到60%左右。排查下来发现，输入到特征提取模型的图片没有做亮度归一化处理。MTCNN虽然做了标准化，但对极端光照的鲁棒性仍然有限。
我的处理方案两步走：一是在送入模型前做直方图均衡化，增强人脸区域对比度；二是调整图像亮度归一化参数，让模型输入相对稳定。虽然不能完全解决，但实测识别率能回升到85%以上。代码很简单，放在检测前处理即可：
import cv2 def preprocess_frame(frame): # 转为灰度后做直方图均衡化，再转回BGR gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) gray_eq = cv2.equalizeHist(gray) return cv2.cvtColor(gray_eq, cv2.COLOR_GRAY2BGR)5.2 多人同框时的“签到串号”
两个学生一起走到摄像头前，系统把A的脸识别成了B。排查后发现，人脸框排序逻辑有问题：sign代码里取了最大框作为识别对象，但两个人离摄像头距离差不多时，框大小接近，argmax每次都在变，导致同一帧里两个人脸被轮流误判。
解决方法是：签到模块改为“单次签到只锁定一个稳定的人脸框”。具体操作是，对连续多帧检测到的人脸框做IoU匹配，只有当某个框在连续5帧里都是同一个位置时，才对该框执行识别签到。这样既避免串号，也天然实现了一部分活体检测的效果。
5.3 CPU推理太慢导致的队列拥堵
前面提到过，纯CPU跑完整链路大约0.15~0.3秒识别一次。如果是50人规模的班级，连续签到也要好几分钟。我试过把检测搬到GPU上，但实验室的入门级显卡对MTCNN的加速并不明显。后来绕了一下，把签到流程改成先缓冲几帧、选取清晰度最高的一帧做识别——画面里有运动模糊时等待，画面稳定清晰时才触发。这样既提升了识别成功率，也让后台能并行处理多个学生。
5.4 戴眼镜、刘海遮挡与口罩问题
眼镜反光会造成人脸关键点漂移，刘海遮住眉毛会让特征提取丢失关键信息。我的方案是：注册时要求学生摘掉眼镜并提供一张额头无遮挡的照片。这个操作虽然不是技术方案，但实际效果最好。口罩问题则要复杂得多——2020年之后很多签到场景都有口罩需求。FaceNet在戴口罩的人脸上精度很低，除非专门用口罩人脸数据集微调。我的做法是：明确签到场景为“室内课堂，学生可不戴口罩”，在论文里写明系统边界。如果非要支持口罩识别，需要换用带口罩识别的专用模型，工作量会上升很多，毕设阶段我不建议贸然做。
5.5 底库特征向量的数据漂移
同一个学生，大一注册的照片和大四的照片，特征向量差异可能很大。毕设场景下一般不会跨度这么久，但课程换学期后摄像头换了、学生发型大改，原先的底库还是会失效。应对方式是：签到成功后，用本次识别到的特征向量更新底库向量（滑动平均更新）。这样系统会越用越稳，这个机制在论文里也能作为一个亮点模块来写。
5.6 简单有效的“备选签到”机制
无论如何调优，总会有个别学生识别不了。真到了上课场景，还是要给人留条活路。我做了一个管理端手动补签功能：老师可以看到所有学生的列表，点“补签”按钮把某学生标记为已到。虽然看起来有点“low”，但一个签到系统如果没有补签机制，在实际应用中根本没法用。这个补签界面我单独截图放在论文里，说明系统考虑了异常场景的兜底策略，答辩老师不会觉得这是缺点。
6. 从代码到论文：工作量怎么展示才不虚
代码全部跑通只是第一步，毕设的重头戏是论文。很多人代码写得不少，论文工作量却写不出来，原因是没有留好过程数据。
6.1 数据集构建：在论文里这是很有分量的部分
你需要构建两个数据集：底库数据集，用于注册的正面人脸照片；测试数据集，覆盖不同时间段、不同角度、不同光照条件下的人脸照片。我在做测试时，每次到教室就拍一批照片存起来，最终攒了几百张测试图。论文里把采集环境、摄像头参数、光照条件写清楚，这就是非常扎实的实验基础。
6.2 三个核心实验：直接决定论文的数据图表
一定要跑这三组对比实验：
- 相似度阈值实验：记录正负样本的相似度分布，画出曲线，标注最优阈值位置。这组图是做阈值选取的核心依据，也是评价指标的重要组成部分。
- 模型对比实验：对比FaceNet、ArcFace（或不同检测模型）在同一个测试集上的精确率、召回率、F1值。这组对比表体现了你对技术的理解深度。
- 系统性能测试：记录不同硬件环境下的平均识别耗时、帧率、CPU占用率。这部分数据让你论文里的“系统性能分析”章节言之有物。
6.3 消融实验：很多毕设论文都忽略的加分项
消融实验就是“有A和没有A的区别”。你可以做一个对比：用直方图均衡化预处理 vs 不处理，识别率差多少；用5帧平均特征注册 vs 单张注册，通过率差多少；加滑动平均更新底库 vs 不更新，长周期稳定性差多少。每组对比都能撑起论文里的一小节，而且能体现你对深度学习模型工程细节的理解，这是导师和答辩老师都比较认可的切入点。
6.4 答辩展示的加分小技巧
演示时一定要先保证本地环境的稳定性：摄像头驱动正常、Python依赖完整、数据库有预置数据。最怕的是答辩现场摄像头起不来、模型加载失败、数据库连不上。
另外我建议做一个演示模式：预设几张测试照片，可以在不依赖摄像头的情况下，通过上传照片模拟签到流程。如果现场设备出岔子，这个模式可以兜底。
7. 一点个人体会
做完这个项目，我的感受是：人脸识别本身已经不是难点了，真正花时间的是边界条件的处理和工程细节的打磨。你把模型跑通只需要半天，但要让系统在真实场景里稳定运行，可能需要几个星期。这个过程很枯燥，但它恰恰是毕设最有价值的部分——你学会的不是调用接口，而是如何在一个具体场景里定义问题、设计方案、迭代优化。这篇内容里的经验，愿你能少走几个弯路。
本文还有配套的精品资源，点击获取
