本系统是一个基于深度学习的指纹识别考勤打卡应用，通过PyQt5构建的图形界面可以实现指纹图像的识别、考勤管理和数据统计功能。
项目包含完整的源码、数据集、模型文件、各种可视化图表(精度、损失、混淆矩阵等)、项目说明文档。适用于本科研究生设计、学习交流使用，项目为个人原创，禁止商用！
1、项目概述
企业级指纹识别考勤打卡系统，采用MobileNetV2深度学习模型，支持500人的指纹识别，验证准确率56.5%。系统界面美观现代，操作简单直观，适合企业、学校、工厂等场景的考勤管理需求。
2、核心功能
用户管理系统：安全的注册登录机制，密码加密存储，多用户权限管理。
指纹识别打卡：支持指纹图片上传识别，自动识别人员ID，实时显示识别置信度，智能打卡状态判断。
考勤规则设置：自定义上下班时间，自动判断打卡状态。上班前或下班后打卡为成功，上班后下班前打卡为迟到。
历史记录管理：完整的打卡记录查询，包含人员ID、打卡状态、置信度、打卡时间、图片路径等信息。
模型管理：支持最佳模型和最新模型切换，实时显示模型信息，自动加载和切换。
3、技术亮点
深度学习架构：采用PyTorch框架，MobileNetV2预训练模型，支持GPU加速推理，500类别分类，训练数据20000张指纹图像。
模型性能：最佳验证准确率56.5%，Precision 0.58，Recall 0.55，F1 Score 0.55。
界面设计：现代化UI设计，渐变色彩搭配，响应式布局，操作流畅，用户体验优秀。
数据存储：JSON格式轻量级数据库，用户数据、打卡记录、系统设置分类管理，数据持久化。
4、项目内容
完整源码：main.py主程序、model.py模型定义、database.py数据管理、train.py训练脚本。
数据集：20000张指纹图像数据，500个不同人员的指纹样本，标准化数据格式。
模型文件：预训练模型、最佳训练模型、最新训练模型。
可视化图表：损失函数曲线、准确率曲线、精确率召回率F1分数曲线、验证准确率趋势图、混淆矩阵热力图、综合训练指标图。
文档资料：详细项目说明文档、模型调参策略文档、依赖包列表。
5、项目优势
开箱即用：完整项目代码可直接运行，详细文档说明快速上手，预训练模型无需重新训练。
易于定制：模块化代码设计便于二次开发，可自定义考勤规则和界面样式，支持功能扩展。
技术先进：采用最新深度学习技术，代码规范注释清晰，支持GPU加速性能优秀。
