CS课程项目设计19：基于DeepFace人脸识别库的课堂签到系统

本专栏上一篇文章实现了基于Insightface人脸识别库的课堂签到系统，具体内容如下所示：

CS课程项目设计18：基于Insightface人脸识别库的课堂签到系统-CSDN博客https://blog.csdn.net/weixin_36431280/article/details/151068505?spm=1001.2014.3001.5501这篇文章继续按照人脸识别库的发展脉络，实现基于DeepFace人脸识别库的课堂签到系统。

---

1. 研究背景

随着教育信息化的快速发展，传统课堂签到方式（如点名、签到表签字等）存在效率低下、易代签、统计繁琐等问题。在高校课堂中，这些问题尤为突出 ------ 教师需花费课堂时间完成签到，影响教学进度；人工统计考勤数据耗时且易出错；纸质签到记录不易保存和查询。

人脸识别技术的成熟为解决这些问题提供了新方案。相比传统 IC 卡、二维码等签到方式，人脸识别具有非接触性、高准确性、难以伪造等优势，特别适合课堂环境下的批量快速签到场景。DeepFace 作为一款开源的人脸识别库，集成了多种预训练模型和检测算法，降低了开发门槛，为构建高效课堂签到系统提供了技术基础。

2. 研究目的

本系统旨在利用 DeepFace 人脸识别库构建一套高效、准确、易用的课堂人脸签到系统，具体实现目标包括：

2.1 自动化签到流程

替代传统人工点名，通过摄像头实时捕捉学生面部信息，自动完成身份核验与签到记录，将单次课堂签到时间从 5-10 分钟缩短至 1 分钟内。

2.2 高准确性身份识别

在课堂复杂环境（如光线变化、部分遮挡、表情差异）下，保持 95% 以上的人脸识别准确率，降低误识率和拒识率。

2.3 完整的学生管理功能

支持添加、更新、删除学生信息（包括姓名、学号、人脸图像），满足课程学生变动需求。例如：

• 新学生加入班级时，可通过 "添加学生" 功能录入信息并采集人脸；
• 学生信息变更（如姓名修改）或人脸特征变化（如发型改变）时，可通过 "更新学生" 功能重新采集人脸数据；
• 学生退课时，通过 "删除学生" 功能移除其信息，避免无效识别。

2.4 实时考勤统计与记录

签到过程中实时显示实到 / 未到人数，自动记录签到时间并存储至数据库，支持后续查询统计。例如：教师可随时查看当前签到进度，下课后可导出完整签到表。

2.5 友好的用户界面

提供直观的操作界面，包括视频实时预览、参数调节、状态显示等，使非技术背景的教师也能轻松使用。

3. 技术方案

3.1 核心技术栈

(1) DeepFace人脸识别核心库

• 功能：集成人脸检测、特征提取、特征比对等完整流程，支持 VGG-Face、FaceNet、Dlib
  等多种预训练模型。
• 优势：简化人脸识别开发流程，无需从零训练模型，支持多种距离度量方式（如余弦距离、欧氏距离）。

选取预训练模型的核心代码如下所示：

# 初始化DeepFace所需参数 - 新增模型列表
self.available_models = ["Facenet", "OpenFace", "VGG-Face", "DeepFace", "Dlib"]
self.model_name = "Facenet"  # 默认模型
self.distance_metric = "cosine"  # 距离度量方式

(2) OpenCV 与 PIL图像处理

• OpenCV：负责视频捕获、人脸区域提取、图像预处理（如尺寸调整、通道转换）。
• PIL（Pillow）：用于图像格式转换，将 OpenCV 处理的图像转换为 Tkinter 可显示的格式。

(3) SQLite3数据存储

• 功能：轻量级关系型数据库，存储学生信息（姓名、学号、人脸图像路径）和签到记录（学号、日期、时间、状态）。
• 优势：无需独立服务器，数据文件本地存储，适合小规模应用场景。

3.2DeepFace核心运行机制

DeepFace 的工作流程可分为三个关键阶段：

(1) 人脸检测

• 功能：从输入图像中定位人脸区域，返回边界框坐标和检测置信度。
• 实现：系统使用DeepFace.extract_faces()方法，采用 OpenCV 检测器（detector_backend="opencv"），支持在复杂背景中快速定位人脸。

核心代码如下所示：

# 使用DeepFace的人脸检测功能
detected_faces = DeepFace.extract_faces(
    img_path=image_path,
    detector_backend="opencv",  # 使用OpenCV检测器
    enforce_detection=False
)

if len(detected_faces) > 0:
    # 获取人脸区域
    face_data = detected_faces[0]
    facial_area = face_data["facial_area"]
    x1, y1, w, h = facial_area["x"], facial_area["y"], facial_area["w"], facial_area["h"]
    x2, y2 = x1 + w, y1 + h

    # 提取人脸区域
    face_img = img[y1:y2, x1:x2]

(2) 特征提取

• 功能：将人脸图像转换为固定长度的数值向量（特征编码），捕捉面部独特特征（如眼睛距离、鼻梁形状等）。
• 实现：通过DeepFace.represent()方法调用 VGG-Face 模型（默认配置），将预处理后的人脸图像（224×224 像素、RGB 格式）输入模型，输出 4096 维特征向量，并进行归一化处理。

核心代码如下所示：

# 提取人脸区域
face_img = img[y1:y2, x1:x2]

# 提取特征
result = DeepFace.represent(
    img_path=image_path,
    model_name=self.model_name,
    enforce_detection=False,
    detector_backend="opencv"
)

# 提取特征向量并确保是一维数组
encoding = result[0]["embedding"] if isinstance(result, list) else result["embedding"]

(3) 特征比对

• 功能：计算待识别人脸与已知人脸的特征向量距离，判断是否为同一人。
• 实现：采用余弦距离（distance_metric="cosine"）作为度量标准，距离值越小表示相似度越高。当距离小于阈值（默认 0.6）时，判定为匹配成功。

核心代码如下所示：

# 与已知人脸比较
name = "未知人员"
student_id = ""
min_distance = float('inf')
threshold = 0.6  # DeepFace推荐的阈值

if self.known_face_encodings:
    # 计算与所有已知人脸的距离
    for i, known_encoding in enumerate(self.known_face_encodings):
        # 计算余弦距离
        distance = 1 - np.dot(encoding, known_encoding)

        if distance < min_distance and distance < threshold:
            min_distance = distance
            name = self.known_face_names[i]
            student_id = self.known_face_ids[i]

以上代码对应开始签到的功能，可视化页面如下所示：

左图是签到成功的页面，右图是签到失败的页面。

签到完成后，点击结束签到，回到系统主页面，会发现出勤统计情况也会更新了，可视化页面如下所示：

4. 实现流程

4.1 系统初始化

• 数据库初始化：创建students表（存储学生信息）和attendance表（存储签到记录）。
• 人脸特征加载：从数据库读取学生人脸图像，通过 DeepFace 提取特征并保存至本地文件（deepface_encodings.pkl），加速后续加载。
• UI 界面创建：初始化窗口组件，包括视频显示区、控制按钮、统计面板等。

4.2 签到流程

• 启动签到：点击 "开始签到" 按钮后，系统打开摄像头，实时捕获视频流。
• 人脸处理：
  • 每帧图像通过多线程调用 DeepFace 检测人脸区域；
  • 提取人脸特征并与已知特征库比对；
  • 对匹配成功的学生，在视频中绘制边界框和姓名标签。
• 签到记录：首次识别到学生时，自动记录当前时间并写入数据库，同时更新实到列表和统计数据。
• 结束签到：点击 "结束签到" 按钮，关闭摄像头，显示最终考勤统计结果。

4.3 学生管理流程

• 添加学生：输入姓名和学号后，通过摄像头采集人脸图像，检测合格后保存至数据库和本地文件夹，并更新特征库。
• 更新学生：查询学号后，可修改姓名或重新采集人脸图像，同步更新数据库和特征库。
• 删除学生：查询学号并确认后，删除数据库记录和本地图像文件，更新特征库。

添加学生的核心代码如下所示：

def add_student(self):
    """添加新学生"""
    # 拍照按钮
    def capture_face():
        name = name_entry.get().strip()
        student_id = id_entry.get().strip()

        if not name or not student_id:
            messagebox.showerror("错误", "请输入姓名和学号")
            return

        # 创建新的数据库连接
        conn = self.create_db_connection()
        c = conn.cursor()

        # 检查学号是否已存在
        c.execute("SELECT * FROM students WHERE student_id=?", (student_id,))
        if c.fetchone():
            messagebox.showerror("错误", "该学号已存在")
            conn.close()
            return

        # 捕获人脸
        cap = cv2.VideoCapture(0)
        ret, frame = cap.read()
        cap.release()

        if not ret:
            messagebox.showerror("错误", "无法访问摄像头")
            conn.close()
            return

        # 检测人脸
        results = self.detector.detect_faces(frame)
        if not results or results[0]['confidence'] < 0.8:
            messagebox.showerror("错误", "未检测到清晰人脸，请重试")
            conn.close()
            return

        # 保存人脸图像
        if not os.path.exists("face_images"):
            os.makedirs("face_images")

        image_path = f"face_images/{student_id}.jpg"
        cv2.imwrite(image_path, frame)

        # 保存到数据库
        c.execute("INSERT INTO students (name, student_id, face_image_path) VALUES (?, ?, ?)",
                  (name, student_id, image_path))
        conn.commit()
        conn.close()  # 关闭连接

添加学生的可视化图片如下图所示：

更新学生的核心代码如下所示：

def update_student(self):
    """更新学生信息 - 添加了查询时显示学生图片功能"""
    # 更新按钮
    def update_student_info():
        # 检查是否已查询到有效学生
        if not current_student["student_id"]:
            messagebox.showerror("错误", "请先查询并确认学生信息")
            return

        student_id = current_student["student_id"]
        new_name = name_entry.get().strip()

        if not new_name:
            messagebox.showerror("错误", "请输入新姓名")
            return

        conn = self.create_db_connection()
        c = conn.cursor()

        # 捕获新的人脸（可选）
        update_face = messagebox.askyesno("更新人脸", "是否需要更新人脸照片？")
        image_path = current_student["image_path"]  # 默认使用原图片路径

        if update_face:
            # 捕获人脸
            cap = cv2.VideoCapture(0)
            ret, frame = cap.read()
            cap.release()

            if not ret:
                messagebox.showerror("错误", "无法访问摄像头")
                conn.close()
                return

            # 检测人脸
            results = self.detector.detect_faces(frame)
            if not results or results[0]['confidence'] < 0.8:
                messagebox.showerror("错误", "未检测到清晰人脸，请重试")
                conn.close()
                return

            # 保存人脸图像
            if not os.path.exists("face_images"):
                os.makedirs("face_images")

            image_path = f"face_images/{student_id}.jpg"
            cv2.imwrite(image_path, frame)

        # 更新数据库
        c.execute("UPDATE students SET name=?, face_image_path=? WHERE student_id=?",
                  (new_name, image_path, student_id))

        conn.commit()
        conn.close()

更新学生的可视化图片如下图所示：

左图是输入错误学号，提醒未找到该学生；右图则是输入正确学号，查询到学生姓名、学号、注册图片。

删除学生的核心代码如下所示：

def delete_student(self):
    """删除学生信息 - 添加了查询和图片显示功能"""
    # 删除按钮
    def confirm_delete():
        # 检查是否已查询到有效学生
        if not current_student["student_id"]:
            messagebox.showerror("错误", "请先查询并确认学生信息")
            return

        # 确认删除
        confirm = messagebox.askyesno(
            "确认删除",
            f"确定要删除学生 {current_student['name']} ({current_student['student_id']}) 吗？\n此操作不可恢复！"
        )
        if not confirm:
            return

        conn = self.create_db_connection()
        c = conn.cursor()

        # 删除学生记录
        c.execute("DELETE FROM students WHERE student_id=?", (current_student["student_id"],))

        # 删除相关的人脸图片
        if current_student["image_path"] and os.path.exists(current_student["image_path"]):
            try:
                os.remove(current_student["image_path"])
            except Exception as e:
                print(f"删除人脸图片失败: {e}")
                messagebox.showwarning("警告", "学生记录已删除，但人脸图片删除失败")

        conn.commit()
        conn.close()

删除学生的可视化图片如下图所示：

和更新学生功能一样，左图是输入错误学号，提醒未找到该学生；右图则是输入正确学号，查询到学生姓名、学号、注册图片。

4.4 数据查询

系统支持查看历史签到记录（通过 "查看记录" 功能），基于 SQLite 数据库实现数据的持久化存储与检索。

所有人签到完之后，还可以点击查看记录，进一步查看每个人的签到情况，可视化界面如下图所示：

5. 总结

本系统基于 DeepFace 人脸识别库构建，实现了课堂签到的自动化与智能化。通过整合计算机视觉、数据库和 GUI 技术，有效解决了传统签到方式的效率问题，同时保证了识别准确性和操作便捷性。

系统的核心优势在于：利用 DeepFace 简化了人脸识别开发难度，通过多线程处理确保实时性，借助 SQLite 实现数据高效管理。未来可进一步优化方向包括：支持多摄像头同时签到、增加活体检测防止照片欺骗、引入更轻量的模型提升运行速度等，以适应更大规模的课堂场景需求。

最后，还上传个该项目的简要演示视频，供大家了解。

基于DeepFace人脸识别库的课堂签到系统