企业官网建设流程全解析

简介：这是一份基于深度学习的人脸识别签到系统的毕业设计资源包，面向计算机、人工智能相关专业学生完成课程设计或毕业设计，也适合开发者快速搭建人脸识别考勤应用。项目采用Python后端与Flask框架，内置基于人脸特征提取的识别模型，并配套完整的页面模板、数据库迁移脚本、字体转换工具及运行说明文档。压缩包共27个文件，约101.47MB，其中Python脚本负责应用启动、接口逻辑和模型加载，HTML模板覆盖登录、注册、用户管理等签到相关界面，SQLite数据库及dat文件提供底层数据支持。当前已有405人学习下载。通过该项目可以深入学习深度模型在真实场景中的调用方式、Flask项目结构设计和数据库迁移流程，运行后可快速看到前后端联动效果，亦可在此基础上扩展签到记录、课表关联等功能，是毕业设计答辩演示与代码复现的实用参考。

1. 基于深度学习的人脸识别签到系统：毕业设计怎么做得比点名可靠

人脸识别签到系统是这两年毕业设计里出现频率很高的题目，但大多数同学做到最后只是“能跑通”，而不是“能用”。我拆过好几套类似项目，也帮人调过不少模型，最真实的感受是：如果只靠摄像头截一张脸、拿去和库里比对，过不了三五天就会被各种光照、姿态和相似脸问题教做人。面向签到场景，真正能落地的系统得是“检测、对齐、特征提取、比对、去重、记录”一整条链路，而且模型和阈值参数必须根据实际场景重新调。这篇文章会把整条链路的选型、脚本和踩坑项拆开来讲，适合正在做毕业设计、课程设计，或者想在公司里快速搭一套无感签到工具的人直接照着复现。

2. 技术选型与整体架构：为什么是 RetinaFace + MobileFaceNet

2.1 三套人脸识别方案对比：传统方法、预训练模型、自训练模型

人脸识别签到这件事，网上能搜到的方案大致分三类。第一类是传统视觉方法，OpenCV 的 Haar 级联检测加 LBPH/EigenFaces 特征匹配，优点是代码量小、依赖少，缺点是光照稍微一乱、脸稍微一转就识别出错，用来交作业勉强可以，用来考勤基本会翻车。第二类是直接调用预训练模型，比如 DeepFace 或者某个开源的人脸识别库，优点是省事，缺点是你不知道它的训练数据长什么样，放到教室、办公室这种具体场景后准确率不稳定。第三类是自己用深度学习训一个识别模型，检测用 RetinaFace，对齐后把 112x112 的人脸送入 MobileFaceNet 提取特征，配合 ArcFace 做训练。这套方案在 LFW 等公开数据集上能到 99% 以上的人脸识别准确率，而且模型参数量小，CPU 也能跑到实时。

我给模拟项目X做选型时，最终选的是第三套。签到场景的真正难点不是“谁是谁”，而是“同一张脸在不同角度、不同光线下的稳定程度”。传统方法把这个问题简化成像素匹配，本质上就是拿模板硬套；自训练方案通过大量样本学到人脸的本质特征，抗干扰能力完全不在一个量级。所以我的建议是，毕业设计别怕工作量，直接上深度学习方案，答辩时能讲的技术点也多得多。

2.2 模块拆分与数据流：从一帧视频到一条考勤记录

这套系统的完整数据流可以拆成六个环节：摄像头采集、人脸检测、人脸对齐、特征提取、向量比对、结果入库。摄像头采集这一步要考虑帧率，普通 USB 摄像头设 15 帧左右就够，关键是别让整条链路被检测拖慢。人脸检测用 RetinaFace，它会返回人脸框和五个关键点（左眼、右眼、鼻尖、左嘴角、右嘴角），这一步会把人脸从视频帧里抠出来。对齐环节根据五个关键点做仿射变换，把脸摆正并缩放到 112x112，这一步非常关键，它直接决定了后面特征提取的输入质量。

特征提取用的是 MobileFaceNet，输入对齐后的人脸图片，输出一个 512 维的特征向量。有人会问为什么不用 ResNet，因为签到系统一般部署在教室或公司门口，GPU 不一定是标配，MobileFaceNet 在相同精度下参数量只有 ResNet 的十分之一，CPU 推理一帧大约 30 到 50 毫秒，完全够用。向量比对阶段，计算当前人脸特征和注册用户特征之间的余弦相似度，高于阈值就判定为同一人。结果入库前还要做去重，防止同一张脸在一分钟内被连续签到三四次。这六个环节想要长期稳定运行，就不能把它们写在一个大脚本里，最好拆成独立模块。

我在项目里习惯把目录结构分成下面这样，逻辑清楚，后面也好移植：

face-sign-system/ ├── config/ │ └── config.yaml # 模型路径、阈值、摄像头编号、数据库配置 ├── data/ │ ├── raw/ # 原始人脸数据集 │ ├── aligned/ # 对齐后 112x112 的图片 │ └── splits/ # train.txt / val.txt / test.txt ├── models/ │ ├── detector.pt # RetinaFace 模型文件 │ ├── recognizer.onnx # MobileFaceNet 转 ONNX 后的模型 │ └── arcface.pt # 训练好的特征提取权重 ├── scripts/ │ ├── align_dataset.py # 数据集检测、对齐、生成训练文件 │ ├── train_arcface.py # 模型训练脚本 │ ├── export_onnx.py # 把模型导成 ONNX，方便部署 │ └── sign_server.py # 签到推理服务，包含摄像头采集和业务逻辑 └── web/ ├── app.py # Flask 页面，查看签到记录 └── templates/

2.3 硬件与部署形态：先想清楚跑在哪里再动手

很多同学一开始就在本地电脑上训练和推理，最后发现换台机器就跑不动。我建议开发阶段分两层：训练用带 NVIDIA 显卡的电脑，显存 6G 以上就够；推理部署则要考虑目标机器，如果是教室门口的一台旧电脑，没有 GPU 就导出 ONNX 模型用 CPU 跑。MobileFaceNet 在这种部署形态下表现很稳定，单帧特征提取在 CPU 上不会超过 60 毫秒。至于有人问能不能直接上树莓派，能，但检测、对齐、识别三个步骤串行起来会比较吃紧，建议把检测改为 MTCNN 或者干脆用 USB 摄像头配合服务端计算。选型这件事没有银弹，先定好“机器在哪、谁用、每天跑多少小时”，再决定模型大小，顺序不能反。

3. 数据准备与人脸对齐：从公开数据集到 112x112 训练样本

3.1 数据集从哪里来：公开数据集为主，自采数据为辅

训练一个可用的识别模型，最关键的是数据量。一般用公开人脸数据集，比如 CASIA-WebFace 这类千万级的数据集直接下载，用来做大规模预训练；然后拿 LFW 作为验证集，用来评估模型精度。对于签到系统，我们还需要把教室里参与签到的每个人多拍几张照片，补充进训练集，光靠公开数据集而不加真实场景数据，会出现“训练时很准、实测时不行”的情况。每个人员类别建议至少 20 张照片，覆盖正脸、左右侧脸、抬头低头、不同光线条件。如果某些人脸数量不够，可以先用 RetinaFace 对齐后做简单的水平翻转和随机亮度变换再补进训练集，不要直接用原图硬凑。

3.2 人脸检测与对齐脚本：RetinaFace 的实操写法

对齐是整个系统中最重要的步骤，直接决定特征提取的质量。最靠谱的做法是用 RetinaFace 检测人脸并提取五个关键点，再做仿射变换。下面的脚本读取原始图片，检测到人脸后裁剪、缩放并保�存为对齐图。

import cv2 import numpy as np from insightface.app import FaceAnalysis import os # 初始化 RetinaFace 检测器 detector = FaceAnalysis(name="buffalo_l", providers=["CPUExecutionProvider"]) detector.prepare(ctx_id=0, det_size=(640, 640)) def align_face(img_path, output_dir, size=112): img = cv2.imread(img_path) img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) faces = detector.get(img) if len(faces) == 0: return False # 取置信度最高的人脸 face = max(faces, key=lambda x: x.det_score) # 仿射变换矩阵，将五个关键点映射到标准位置 # src 是五个关键点，dst 是对应的目标坐标 src = face.landmark.astype(np.float32) dst = np.array([ [30.2946, 51.6963], # 左眼 [65.5318, 51.5014], # 右眼 [48.0252, 71.7366], # 鼻尖 [33.5493, 92.3655], # 左嘴角 [62.7299, 92.2041] # 右嘴角 ], dtype=np.float32) tform = cv2.estimateAffinePartial2D(src, dst)[0] aligned = cv2.warpAffine(img, tform, (size, size)) os.makedirs(output_dir, exist_ok=True) filename = os.path.basename(img_path) cv2.imwrite(os.path.join(output_dir, filename), aligned) return True # 批量处理数据集中所有图片 for root, dirs, files in os.walk("data/raw"): for f in files: if f.lower().endswith((".jpg", ".jpeg", ".png")): align_face(os.path.join(root, f), "data/aligned")

这段脚本里有几个东西要特别说明。det_size=(640, 640)决定了检测器看到的输入尺寸，数值越小检测越快，但小尺寸人脸容易漏检，如果摄像头距离人比较远，建议提到 960。仿射变换的目标坐标不是随便写的，它是 InsightFace 的标准五点对齐坐标，来源于训练集的统计结果，所有人都对齐到这个位置后，模型能看到的人脸姿态分布会变得一致。size=112是 MobileFaceNet 的标准输入尺寸，不要轻易改成 128，除非你同时修改模型第一层结构，否则会引入输入分布偏移。

3.3 训练集划分与标签文件：用 txt 还是直接用目录结构

对齐后的图片需要组织成训练脚本能读的格式。最常见的是直接用目录结构作为标签，或者生成train.txt，每行一个图片路径加一个类别编号。我一般会生成 txt 文件，因为这样便于后续做数据清洗和类别筛选。

# train.txt 格式示例 data/aligned/0000001.jpg 0 data/aligned/0000002.jpg 0 data/aligned/0000101.jpg 1 data/aligned/0000102.jpg 1

注意这里有个容易出现的问题：类别编号必须从 0 开始连续编号，不能跳号。ArcFace 分类头的输出维度等于类别总数，如果编号里有空洞，训练时会出现“标签越界”的报错。如果每个人只拍了 20 张照片，建议先做数据增强再训练，增强方式包括随机水平翻转、随机亮度调整、随机旋转正负 15 度，这是防止过拟合性价比最高的手段。

4. 模型训练与特征嵌入：ArcFace 实战和阈值校准

4.1 MobileFaceNet + ArcFace：为什么这个组合适合签到场景

MobileFaceNet 是轻量面部识别网络，基础结构类似 MobileNetV3，但它针对人脸任务做了替换，比如用线性瓶颈层替换部分 ReLU，减少信息丢失。ArcFace 是损失函数上的改进，它把普通的 Softmax 交叉熵变成了带角度间隔的 Softmax。简单解释：常规 Softmax 只要求特征分对类，ArcFace 额外要求特征和正确类别中心之间有一个至少 m=0.5 的间隔，这样学出来的特征聚类更紧凑，不同人之间区分更明显。对签到系统来说，这个“间隔”就是安全区，阈值就落在这个间隔里。这个组合的检索准确率在 LFW 上可以做到 99% 以上，模型却只有几 MB，做部署很合适。

4.2 训练脚本：从数据加载到 ArcFace 损失

训练脚本的核心有三个部分：数据加载器、ArcFace 多头、训练主循环。下面给出一个能跑通的最小骨架，重点是看清数据流向和损失计算方式。

import torch import torch.nn as nn import torch.nn.functional as F from torch.utils.data import Dataset, DataLoader from torchvision import transforms from PIL import Image # 1. 自定义数据集，读取 train.txt class FaceDataset(Dataset): def __init__(self, txt_path): self.samples = [] with open(txt_path, "r") as f: for line in f: path, label = line.strip().split() self.samples.append((path, int(label))) self.transform = transforms.Compose([ transforms.RandomHorizontalFlip(), transforms.ColorJitter(brightness=0.2, contrast=0.2), transforms.ToTensor(), transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5]) ]) def __len__(self): return len(self.samples) def __getitem__(self, idx): path, label = self.samples[idx] img = Image.open(path).convert("RGB") return self.transform(img), label # 2. MobileFaceNet 的特征层，输出 512 维特征 class MobileFaceNet(nn.Module): def __init__(self): super().__init__() # 这里省略具体卷积层定义，加载预训练权重即可 self.features = nn.Sequential() self.embedding = nn.Linear(512, 512, bias=False) def forward(self, x): x = self.features(x) x = x.view(x.size(0), -1) return F.normalize(self.embedding(x)) # 3. ArcFace 分类头 class ArcFaceHead(nn.Module): def __init__(self, feat_dim=512, num_classes=857, s=32.0, m=0.50): super().__init__() self.weight = nn.Parameter(torch.FloatTensor(num_classes, feat_dim)) nn.init.xavier_normal_(self.weight) self.s = s self.m = m def forward(self, features, labels): cosine = F.linear(F.normalize(features), F.normalize(self.weight)) theta = torch.acos(torch.clamp(cosine, -1.0 + 1e-7, 1.0 - 1e-7)) target_logits = torch.cos(theta + self.m) one_hot = torch.zeros_like(cosine) one_hot.scatter_(1, labels.view(-1, 1), 1.0) output = one_hot * target_logits + (1.0 - one_hot) * cosine output *= self.s return output # 4. 训练主循环 dataset = FaceDataset("data/splits/train.txt") loader = DataLoader(dataset, batch_size=128, shuffle=True, num_workers=4) model = MobileFaceNet() arcface = ArcFaceHead(num_classes=dataset.max_label + 1) optimizer = torch.optim.SGD(model.parameters(), lr=0.01, momentum=0.9, weight_decay=5e-4) criterion = nn.CrossEntropyLoss() for epoch in range(30): for images, labels in loader: features = model(images) logits = arcface(features, labels) loss = criterion(logits, labels) optimizer.zero_grad() loss.backward() optimizer.step() print(f"epoch {epoch} loss {loss.item():.4f}")

这段代码里，ArcFace 的forward做得比较直观：先算特征和权重归一化后的余弦相似度，再用acos把余弦值转成角度，加上m=0.5的角度间隔，最后乘上缩放系数s=32。这里有一个容易踩的坑：theta + self.m如果超过 π，会导致cos计算不稳定，所以通常会对 target_logits 做一个额外防梯度爆炸的处理，初版训练可以不管，但 loss 出现 NaN 时第一件事查这里。batch_size=128是个安全值，6G 显存刚好够，如果你的显卡只有 4G，降到 64。学习率 0.01 配合 SGD 是训练人脸模型最常见配置，Adam 在这个任务上反而容易收敛到次优解。

4.3 模型评估与阈值校准：用验证集算相似度分布

训练完成后，不要直接部署，先用验证集把相似度分布算出来。做法是把验证集图片两两组对，计算同一个人两张脸的相似度和不同人两张脸的相似度，然后统计分布并选阈值。

import numpy as np import torch def compute_similarity(model, img_path1, img_path2): img1 = load_and_preprocess(img_path1) img2 = load_and_preprocess(img_path2) with torch.no_grad(): feat1 = model(img1) feat2 = model(img2) return F.cosine_similarity(feat1, feat2).item() # 模拟验证集结果：正样本对（同一个人）和负样本对（不同人） pos_scores = [] # 用真实同人照片对计算填充 neg_scores = [] # 用真实不同人照片对计算填充 all_scores = np.concatenate([pos_scores, neg_scores]) threshold = np.percentile(pos_scores, 5) # 保证 95% 的正样本对能通过 print(f"suggested threshold: {threshold:.3f}")

这个地方就是在给后面的签到系统定安全线。np.percentile(pos_scores, 5)表示取正样本分布的第 5 百分位，即 95% 的真实签到都能通过。如果这个阈值导致负样本误判率太高，就要回头调整 ArcFace 的 margin 或者增加训练数据，而不是硬调阈值。

超参数参考表：

5. 签到系统集成与常见问题排查：推理逻辑、数据库与五个坑

5.1 推理服务设计：Flask + 摄像头 + 双线程队列

部署阶段我习惯把摄像头采集和识别放在两个线程里。采集线程一直抓帧并放入队列，识别线程从队列取帧，执行检测、对齐、特征提取和比对。这样即使识别耗时波动，也不至于导致画面卡死。比对通过后，把签到记录写入数据库，并设置一个时间窗口，比如 60 秒内同一人不再重复签到。

import cv2, threading, queue, time import numpy as np from flask import Flask, request, jsonify from model_wrapper import FaceRecognizer recognizer = FaceRecognizer(model_path="models/recognizer.onnx") frame_queue = queue.Queue(maxsize=2) app = Flask(__name__) recent_sign = {} # user_id -> timestamp def capture_loop(): cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() if not ret: continue if frame_queue.qsize() < 2: frame_queue.put(frame) time.sleep(0.03) def recognize_loop(): while True: frame = frame_queue.get() result = recognizer.recognize(frame) if result is None: continue user_id, name, similarity = result last = recent_sign.get(user_id, 0) if time.time() - last > 60: recent_sign[user_id] = time.time() save_attendance(user_id, similarity) else: print(f"{name} 已在窗口内签到，跳过") threading.Thread(target=capture_loop, daemon=True).start() threading.Thread(target=recognize_loop, daemon=True).start() @app.route("/attendance", methods=["GET"]) def get_attendance(): return jsonify(query_attendance())

这段代码里队列深度设成 2 是为了避免延迟累积，如果设成无限大，处理不过来时内存会一直涨。recent_sign是简单的内存去重，重启后清空没关系，因为数据库里已经有记录。识别部分的recognize方法做的工作是：检测人脸、对齐、提取特征、遍历注册用户特征库、算余弦相似度、和阈值比较。整个过程封装在模型包装器里，这样替换模型时不用改业务代码。

5.2 签到数据表设计：既能查明细也能查统计

数据表要设计成两张，一张存注册用户，一张存签到记录。注册用户表里最关键的是face_embedding字段，存的是 512 维特征向量，可以转成二进制存入BLOB字段，也可以用 JSON 文本存。用 BLOB 查询时不需要反序列化所有向量，配合 SQLite 直接按行读取，几百人的规模完全无压力。

CREATE TABLE users ( id INTEGER PRIMARY KEY AUTOINCREMENT, name TEXT NOT NULL, face_embedding BLOB NOT NULL, created_at DATETIME DEFAULT CURRENT_TIMESTAMP ); CREATE TABLE attendance ( id INTEGER PRIMARY KEY AUTOINCREMENT, user_id INTEGER NOT NULL, sign_time DATETIME DEFAULT CURRENT_TIMESTAMP, similarity REAL, device_id TEXT, FOREIGN KEY (user_id) REFERENCES users(id) ); CREATE INDEX idx_attendance_time ON attendance(sign_time);

这里有个细节，similarity字段要存下来，方便后面排查问题，比如某个人老是签不上，把相似度拿出来一看就明白是阈值问题还是特征问题。给sign_time加索引是为了后面按天查询签到报表时不至于扫全表。

5.3 五大常见问题排查：从摄像头到模型输出的翻车记录

第一，摄像头画面里人离得远就检测不到人脸。现象：站在 3 米外，RetinaFace 偶尔能框住，一到 5 米就完全漏检。原因：检测输入尺寸固定 640，远距离下人脸在帧里只占几十个像素。解决：把det_size提到 960，或者调整摄像头焦距，让目标人脸在画面中占比不小于 10%。

第二，识别结果张冠李戴，A 的照片签成了 B。现象：把阈值调到 0.5 之后，一天内出现四五次误判。原因：训练集里 A 和 B 照片数量差距悬殊，或者相似度阈值设得太低。解决：先看验证集上正负样本分布，如果两个分布重叠明显，说明模型特征不够好，优先增加这两个人的训练照片，其次再考虑调阈值。

第三，训练时 loss 一直降但验证集精度上不去。现象：训练到第 10 个 epoch 时 train accuracy 接近 95%，验证集只有 70%。原因：训练时数据没充分 shuffle，或者数据增强太弱，模型背住了训练集的排列。解决：在 DataLoader 里把shuffle设为 True，数据增强里加入随机裁剪和旋转，必要时增加 dropout。

第四，刚训练完的模型在教室实测时误检率高。现象：在教室里隔 4 米测试，把后墙上的海报人脸也识别出来了。原因：检测器没有做“活体”过滤，任何人脸框都会送到识别模型。解决：加一个最小人脸框尺寸限制，比如宽高都小于 100 像素的直接丢弃；同时注册库里不要出现海报这种非真实人脸数据。

第五，CUDA out of memory 一跑就崩。现象：训练脚本一启动就报显存不足。原因：除了模型本身，输入图片和中间特征都占显存；而且 PyTorch 默认会缓存整个 CUDA 上下文。解决：把 batch_size 降到 64，图片加载换成pin_memory=False，同时检查后台是否有其他进程占用显存，用nvidia-smi看实时占用。

6. 进阶：把模型和服务换个场景复用之前，先跑一遍自检脚本

训练好的模型换到新的教室、新的摄像头，或者换了一套注册照片，都算场景变更。场景一变，原来的阈值基本都会失灵，这不是模型玄学，而是特征分布变了。我吃过一次亏：在实验室调好阈值 0.48，换到另一间采光完全不同的教室后，误签率直接翻倍。从那以后，我每次部署前都会强制跑一遍自检脚本，大概三步：把新的注册照片全部录进系统，拍一段 10 分钟模拟签到视频，跑脚本统计“应到签到人数、实际签到人数、误签率”，三个数字都达标才放行。

这个自检脚本本身不复杂，核心就是读取视频流里出现的每一张人脸，和注册库比对，最后输出统计结果。

def self_check(video_path, expected_ids, threshold): cap = cv2.VideoCapture(video_path) detected = set() wrong = [] while True: ret, frame = cap.read() if not ret: break result = recognizer.recognize(frame, threshold) if result: user_id, name, score = result if user_id in expected_ids: detected.add(user_id) else: wrong.append((name, score)) miss = expected_ids - detected print("签到成功:", len(detected), "漏签:", len(miss), "误签:", len(wrong)) return len(miss) == 0 and len(wrong) == 0

如果漏签多，先查光线和对齐；如果误签多，先查阈值和相似脸。数据不够时，还可以把这个脚本接进 CI，每次更新注册库后自动跑一遍，省得人工盯着。这套流程虽然朴素，但能挡住绝大多数上线事故。希望帮到你。

本文还有配套的精品资源，点击获取