简介：这是一套面向深度学习入门者与课程设计需求者的CNN人脸识别考勤系统完整项目，包含可直接运行的预训练模型，帮助读者跳过繁琐训练环节，快速搭建并验证人脸考勤流程。压缩包共4848个文件，以4835张jpg人脸图像构成训练与测试数据集，另有8个py脚本负责模型加载、识别与考勤逻辑，配合1个h5权重文件、1个ui界面文件及xml、md等配置说明，整体约108.06MB，目录结构清晰，便于按数据、代码、模型分层查阅。目前已有310人学习下载。资源覆盖图像采集、预处理、特征提取、人脸匹配到考勤记录生成的完整链路，读者可基于预训练模型进行微调与二次开发，理解卷积层、池化层与全连接层在人脸识别中的作用，并参考数据增强、批量归一化等优化思路提升泛化能力与实时性，适合作为毕业设计、课程作业或工程原型的实践起点。
1. 基于CNN的人脸识别考勤系统：预训练模型拿到手，怎么让它当天跑起来
公司行政抱来一台旧工控机，说想给车间装个刷脸打卡，预算零，工期一周。这种需求听起来像开玩笑，但真做过就知道，基于CNN的人脸识别考勤系统配上预训练模型，是少数能在这种条件下落地的方案。核心逻辑不复杂：CNN卷积神经网络负责把一张人脸图压成一个高维向量，考勤系统拿这个向量和库里已注册的向量做比对，距离够近就算同一个人，记一条打卡时间。预训练模型的价值在于，它已经在海量人脸数据上学会了"怎么描述一张脸"，你不需要从零训练，只要拿它当特征提取器，再补一个轻量的比对和存储层就能跑。适合谁？适合想快速验证刷脸考勤可行性、手里只有普通摄像头和一台能装Python的机器的团队。这一章先把整条链路讲清楚，后面几章拆实现、参数和坑。
2. 预训练模型选型与CNN特征提取链路拆解
2.1 为什么用预训练模型而不是自己训一个CNN
自己训一个人脸识别CNN，门槛不在网络结构，而在数据。你要有几十万张带身份标注的人脸，还要做对齐、增广、难例挖掘，训练一次动辄几天GPU。对考勤这种几十到几百人的封闭场景，完全没必要。预训练模型已经把"人脸长什么样"这件事学透了，它输出的高维向量具备判别力：同一个人不同角度的向量距离近，不同人的向量距离远。
常见做法是拿一个在大型人脸集上训过的骨干网络，砍掉最后的分类层，只保留到全连接层之前的输出，作为特征提取器。这样每张人脸图进来，出去就是一个固定长度的向量，比如512维或128维。考勤系统要做的，就是维护一个"人名 → 向量"的映射表，识别时算距离找最近邻。
选型时看三个点：输入尺寸是否固定、输出向量维度、推理速度。输入尺寸决定你要不要把摄像头帧缩放到指定大小；向量维度影响存储和比对耗时；推理速度决定单帧处理能不能跟上摄像头帧率。对考勤场景，单张图推理在CPU上控制在100毫秒以内就够用，因为打卡不是连续视频流，一秒处理几帧完全能接受。
提示：预训练模型分两类，一类直接输出人脸向量（人脸识别专用），一类是通用图像分类骨干（如ResNet）。考勤场景优先选人脸识别专用预训练模型，通用骨干虽然也能提特征，但判别力差一截，容易把两个人认成同一个。
2.2 从一张图到一条打卡记录：完整数据流
把链路拆开，一张摄像头抓拍的人脸图要变成打卡记录，经过这几步：
第一步，人脸检测。从整帧画面里框出人脸位置，裁出人脸区域。这一步不做，背景、工牌、灯光都会干扰后面的特征提取。
第二步，人脸对齐。根据眼睛、鼻尖、嘴角等关键点，把人脸旋转缩放成标准姿态。对齐做得好，同一个人侧脸和正脸的向量才接近。
第三步，缩放归一化。把对齐后的人脸缩放到预训练模型要求的输入尺寸，像素值归一化到模型训练时的分布。
第四步，CNN前向推理。图片送进网络，取指定层的输出作为特征向量。
第五步，向量比对。拿当前向量和注册库里每个人的向量算距离，取最小距离，小于阈值判定为同一个人。
第六步，写考勤记录。判定成功后，把姓名、时间、设备号写进数据库，同一个人短时间内重复刷脸做去重。
这六步里，第一到第三步是预处理，第四步是模型推理，第五第六步是业务逻辑。预训练模型只负责第四步，但前两步的质量直接决定第四步的输出好不好用。很多人拿到模型跑通了就以为完事，结果识别率上不去，问题往往出在检测和对齐上。
2.3 最小可运行代码：加载预训练模型提取人脸向量
下面这段代码演示核心链路：用OpenCV做检测和对齐，用预训练模型提特征。具体模型加载方式按你拿到的预训练模型文件调整，这里用通用接口示意。
import cv2 import numpy as np import torch import torchvision.transforms as transforms # 1. 加载人脸检测器（OpenCV自带，无需额外模型文件） detector = cv2.CascadeClassifier( cv2.data.haarcascades + 'haarcascade_frontalface_default.xml' ) # 2. 加载预训练特征提取模型 # 假设拿到的是TorchScript或state_dict格式，按实际文件调整 model = torch.load('face_feature_model.pt', map_location='cpu') model.eval() # 3. 预处理：缩放到模型输入尺寸，归一化 preprocess = transforms.Compose([ transforms.ToPILImage(), transforms.Resize((112, 112)), # 按模型要求改 transforms.ToTensor(), transforms.Normalize( mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5] ) ]) def extract_feature(img_bgr): """输入BGR图像，输出归一化后的特征向量""" gray = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY) faces = detector.detectMultiScale( gray, scaleFactor=1.1, minNeighbors=5, minSize=(60, 60) ) if len(faces) == 0: return None # 取最大人脸 x, y, w, h = max(faces, key=lambda f: f[2] * f[3]) face = img_bgr[y:y+h, x:x+w] face = cv2.cvtColor(face, cv2.COLOR_BGR2RGB) tensor = preprocess(face).unsqueeze(0) with torch.no_grad(): feat = model(tensor).cpu().numpy().flatten() # L2归一化，方便后面用余弦距离 feat = feat / (np.linalg.norm(feat) + 1e-10) return feat逻辑说明：检测器负责框脸，取面积最大的框避免误检小区域；预处理把脸缩到模型输入尺寸并归一化，均值和标准差必须和预训练模型训练时一致，否则特征分布偏移，比对会失准；推理用torch.no_grad()关掉梯度，省内存也提速；最后做L2归一化，这样后面算余弦距离等价于算点积，省一步。
参数说明：scaleFactor=1.1控制检测的缩放步长，值越小检测越细但越慢，考勤场景1.1到1.2够用；minNeighbors=5控制误检，调大减少误检但可能漏检；minSize=(60,60)过滤太小的脸，按摄像头分辨率和拍摄距离调。模型输入尺寸112×112是常见人脸识别模型的规格，如果你的模型是160×160或224×224，改Resize参数即可，但归一化的均值和标准差要跟着模型走。
2.4 注册库怎么建：向量存储与比对策略
注册就是给每个人录几张脸，提取向量存起来。存储结构简单到可以用一个字典加一个npy文件：
import os import numpy as np DB_PATH = 'face_db.npy' META_PATH = 'face_meta.npy' def register(name, img_list): """img_list是多张该人的人脸图，取平均向量提高鲁棒性""" feats = [] for img in img_list: f = extract_feature(img) if f is not None: feats.append(f) if not feats: raise ValueError(f'{name} 没有检测到有效人脸') mean_feat = np.mean(feats, axis=0) mean_feat = mean_feat / (np.linalg.norm(mean_feat) + 1e-10) if os.path.exists(DB_PATH): db = np.load(DB_PATH) meta = list(np.load(META_PATH, allow_pickle=True)) else: db = np.zeros((0, mean_feat.shape[0])) meta = [] db = np.vstack([db, mean_feat]) meta.append(name) np.save(DB_PATH, db) np.save(META_PATH, np.array(meta, dtype=object)) print(f'注册 {name} 完成，当前库内 {len(meta)} 人')逻辑说明：同一个人录多张，取平均向量，能抵消单张图的姿态和光照噪声。存成npy方便加载，几百人的库内存占用可以忽略。比对时算余弦相似度：
def recognize(img, threshold=0.6): feat = extract_feature(img) if feat is None: return None, 0.0 db = np.load(DB_PATH) meta = np.load(META_PATH, allow_pickle=True) sims = db @ feat # 已L2归一化，点积即余弦相似度 idx = int(np.argmax(sims)) best = float(sims[idx]) if best < threshold: return None, best # 低于阈值判为陌生人 return str(meta[idx]), best参数说明：threshold是判定阈值，余弦相似度范围-1到1，人脸场景通常0.5到0.7之间。阈值调高，误识率降低但拒识率升高，员工可能刷几次才成功；调低则相反，可能把别人认成你。这个值必须用你自己的数据实测，拿同一个人的不同照片和不同人的照片各跑一批，看相似度分布，取两类分布的分界点。没有万能阈值。
3. 考勤业务层落地：从识别结果到打卡记录
3.1 打卡去重与时间窗口设计
识别对了不等于考勤对了。同一个人站在摄像头前，一秒可能被识别十几次，如果每次都写库，数据库里全是重复记录。必须做去重。
常见做法是设一个时间窗口，比如同一个人60秒内只记一次。实现上维护一个内存字典，记录每个人上次打卡时间：
import time from datetime import datetime last_punch = {} # name -> timestamp DEDUP_WINDOW = 60 # 秒 def punch(name): now = time.time() if name in last_punch and now - last_punch[name] < DEDUP_WINDOW: return None # 窗口内重复，忽略 last_punch[name] = now record = { 'name': name, 'time': datetime.now().strftime('%Y-%m-%d %H:%M:%S'), 'device': 'gate-01' } save_to_db(record) return record逻辑说明：last_punch放内存，进程重启会丢，但考勤场景重启不频繁，丢了最多多记一条，可接受。如果要严格，把上次打卡时间也写库，启动时加载。DEDUP_WINDOW按打卡习惯设，上班打卡窗口60秒够，如果员工可能反复刷脸确认，可以调到120秒。
注意：去重窗口不能设太长。如果设成10分钟，员工中途出去再回来就刷不上，会被当成漏卡。60到120秒是平衡点。
3.2 考勤规则：上班、下班与迟到判定
识别只给出"谁在什么时候刷了脸"，迟到早退判定是另一层规则。把规则和识别解耦，识别层只管写原始打卡记录，规则层定时跑批或实时判断。
一个简单的班次规则表：
| 字段 | 含义 | 示例 |
|---|---|---|
| shift_name | 班次名 | 白班 |
| work_start | 上班时间 | 09:00 |
| work_end | 下班时间 | 18:00 |
| late_buffer | 迟到宽限 | 5分钟 |
| early_buffer | 早退宽限 | 5分钟 |
判定逻辑：当天第一条打卡记录，时间在work_start + late_buffer之前算正常，之后算迟到；当天最后一条记录，时间在work_end - early_buffer之后算正常，之前算早退。中间记录忽略。
def judge(records, shift): if not records: return '缺卡' records.sort(key=lambda r: r['time']) first = records[0]['time'] last = records[-1]['time'] status = [] if first > shift['work_start_plus_buffer']: status.append('迟到') if last < shift['work_end_minus_buffer']: status.append('早退') return '正常' if not status else '、'.join(status)逻辑说明：把时间字符串比较换成分钟数比较更稳，避免跨天和格式问题。实际落地时，班次规则建议做成配置表，不同部门不同班次，不要硬编码。
3.3 用Flask搭一个最小打卡接口
考勤系统最终要有个地方看记录、导报表。用Flask搭最小接口，几十行能跑：
from flask import Flask, request, jsonify import base64 import numpy as np import cv2 app = Flask(__name__) @app.route('/punch', methods=['POST']) def api_punch(): data = request.json img_b64 = data['image'] img_bytes = base64.b64decode(img_b64) img_array = np.frombuffer(img_bytes, np.uint8) img = cv2.imdecode(img_array, cv2.IMREAD_COLOR) name, score = recognize(img) if name is None: return jsonify({'ok': False, 'msg': '未识别', 'score': score}) record = punch(name) if record is None: return jsonify({'ok': True, 'msg': '重复打卡已忽略', 'name': name}) return jsonify({'ok': True, 'name': name, 'time': record['time']}) @app.route('/records', methods=['GET']) def api_records(): date = request.args.get('date') rows = query_records(date) return jsonify(rows) if __name__ == '__main__': app.run(host='0.0.0.0', port=5000)逻辑说明：接口收base64图片，解码后走识别和打卡。前端可以是摄像头页面，定时抓帧发过来。/records按日期查记录，给管理端用。生产环境要加并发控制，识别是CPU密集操作，多请求同时来会排队，建议加个信号量限制并发数，或者用队列串行处理。
参数说明：host='0.0.0.0'让局域网内其他机器能访问，工控机部署时前端页面和接口可以分开机器。端口5000按需改。图片base64传输体积比二进制大三分之一，局域网内可接受，如果要省带宽可以改成multipart上传。
4. 避坑与排查：识别率上不去时先查这五处
4.1 现象：同一个人刷脸，相似度忽高忽低
原因：人脸检测框不稳定，有时框到半张脸，有时框进背景。检测器参数minNeighbors和minSize没调好，或者摄像头角度太偏。
解决：固定摄像头位置和角度，让员工站在指定区域刷脸。调大minNeighbors减少误检，调minSize过滤远处的小脸。如果检测器本身太弱，换更稳的人脸检测模型，检测质量是识别率的地基。
4.2 现象：两个人长得像，经常互相认错
原因：阈值设太低，或者预训练模型判别力不够。通用图像骨干提的特征，对细粒度人脸差异不敏感。
解决：先调高阈值，看误识是否消失，代价是本人也可能刷不过。如果调高后本人通过率掉太多，说明模型不行，换人脸识别专用预训练模型。另外注册时每人多录几张不同角度，平均向量能拉开类间距离。
4.3 现象：换了个摄像头，识别率断崖下跌
原因：新摄像头的色彩、曝光、分辨率不同，预处理里的归一化参数是按旧数据定的，特征分布偏移。
解决：归一化的均值和标准差必须和预训练模型训练时一致，不要按摄像头调。如果新摄像头画面明显偏色，在预处理前加一步白平衡或直方图均衡。更稳的做法是注册库用新摄像头重新录一遍，让注册和识别的图像分布一致。
4.4 现象：CPU跑推理，打卡排队卡顿
原因：模型太大或输入尺寸太大，单帧推理超过200毫秒，多人同时刷脸就排队。
解决：换轻量骨干，或者把输入尺寸从224降到112。考勤场景不需要极高精度，速度优先。还可以把模型转成ONNX或量化成int8，CPU推理能快两到三倍。如果机器有GPU，用GPU推理，单帧能压到10毫秒以内。
4.5 现象：数据库里同一个人出现两条不同名字的记录
原因：注册时名字拼写不一致，或者同一个人被录了两次。识别本身没错，是注册库脏了。
解决：注册接口加唯一性校验，按工号或身份证号做主键，名字只作显示。注册前先跑一次识别，如果和库里某人相似度超过高阈值，提示"该人脸已注册为XXX"，阻止重复录入。
5. 把识别率从能用推到好用：一个实测调参习惯
预训练模型拿到手，默认参数跑通不难，难的是把识别率从"大部分能认"推到"稳定能认"。我自己的习惯是建一个小测试集：找10个人，每人5张不同场景的照片，再找5个不在库里的人各3张。每次调参，跑一遍测试集，记录三个数：本人通过率、陌生人误识率、平均单帧耗时。这三个数一起看，才知道调参是往好里走还是拆东墙补西墙。
具体调参顺序，我一般这么排：
| 顺序 | 调什么 | 观察指标 | 经验范围 |
|---|---|---|---|
| 1 | 检测器minNeighbors | 人脸检出率 | 5到8 |
| 2 | 检测器minSize | 误检率 | 按拍摄距离定 |
| 3 | 模型输入尺寸 | 耗时与通过率 | 112或160 |
| 4 | 相似度阈值 | 误识与拒识平衡 | 0.5到0.7 |
| 5 | 注册照片数量 | 本人通过率 | 每人3到5张 |
先调检测，检测不稳后面全白搭。检测稳了再调阈值，阈值是误识和拒识的跷跷板，没有两全，只有平衡。最后加注册照片，这是提升本人通过率最直接的手段，但要注意照片要覆盖不同角度和光照，全是一个角度反而让平均向量偏斜。
还有一个容易被忽略的点：比对时用余弦相似度还是欧氏距离，取决于特征有没有做L2归一化。归一化后用余弦，没归一化用欧氏。两者不要混用，混用会导致阈值完全对不上。我见过有人换了模型忘了改距离度量，阈值还是旧值，结果全军覆没，排查半天才发现是这里。
验证方法上，除了测试集，上线前做一次"盲测"：找几个没参与注册的同事，让他们直接刷脸，看通过率和误识情况。测试集是自己挑的，可能有偏，盲测更接近真实。上线后头一周每天看一遍误识记录，发现规律就回去调，通常一周内能把参数收敛到稳定。
这套方案值不值得做？如果场景是几十到几百人的封闭考勤，有现成摄像头和一台能跑Python的机器，投入一两天就能出可用版本，值得。如果场景是几千人、多门禁、要求毫秒级响应，预训练模型加简单比对就不够了，得上专门的向量检索库和更强的模型。边界清楚，才不会翻车。希望帮到你。
本文还有配套的精品资源，点击获取
