【GitHub开源】一款基于 Python 的人脸识别 C/S 系统：YOLOv5 + PyQt5 + 批量入库

项目功能

写这个项目出发点是想在计算机视觉领域做一个完整的工程实践。市面上很多开源代码只有零散的算法跑通，缺乏完整的客户端交互体验，于是想做一个能将算法模型、数据库与图形交互界面整合，满足实际业务需求的小系统。

这是一个基于 Python 的人脸识别 C/S 系统项目，核心流程包括人脸检测、特征提取、特征入库与身份匹配。A Python-based face recognition C/S system featuring YOLOv5-face, SQLite data management, and an interactive PyQt5 client for batch processing and identification.

项目地址： plumqm/face-recognition

欢迎一键三连、Star 支持！

核心特性

1. 完善的 C/S 交互界面体验

告别枯燥的命令行脚本！项目通过 PyQt5 提供了可交互的客户端界面。不仅支持单张图片与多人合照的精准识别，还特别针对校园、企业等场景，支持班级照片批量一键入库，操作直观便捷。

2. 高效的视觉算法流

核心视觉环节选用了 YOLOv5-face 进行高精度的人脸检测，对"大合照"中的小目标也能敏锐捕获。特征提取阶段兼容了传统方法与深度学习网络，将面部图像信息降维并转化为具有强表征能力的特征向量。

3. 拥抱 Vibecoding (AI 辅助编程)

本项目在开发流上进行了一次全新尝试------采用 Vibecoding（AI 辅助编程）方式。系统中大量重复性的工程代码与 PyQt5 界面搭建全部由 AI 辅助完成；而我个人则作为"架构的大脑"，主要负责系统整体架构设计、业务逻辑拆解、关键算法流程的串联以及最终识别效果的量化评估。

技术架构深度解析

要实现从底层算法到完整 C/S 客户端的落地，合理的业务拆解与技术选型是重中之重。

核心算法调度： 图像输入后依次经过检测与特征提取网络，系统在架构上保证了特征向量在内存与数据库间流转的效率，确保在处理多人合照时不会出现严重卡顿。
本地数据管理： 项目结合 SQLite 完成底层数据管理。提取出的特征向量连同身份信息被持久化存储至这款轻量级关系型数据库中。既免去了繁杂的服务端环境配置，又能高效支撑批量数据的索引与比对。
系统业务解耦： UI 渲染、数据库 I/O 与模型推理被清晰地划分。通过 PyQt5 的信号与槽机制，确保后台在执行密集型的"特征提取与身份匹配"计算时，前端界面依然保持丝滑响应。

核心代码片段分享

人脸特征比对与身份匹配的核心逻辑伪代码思路：

Python

复制代码

# Python 核心身份匹配与流程抽象示例
def recognize_faces(image_path, db_connection):
    # 1. 调用 YOLOv5-face 进行人脸检测
    faces = yolov5_detector.detect(image_path)
    
    results = []
    for face in faces:
        # 2. 提取人脸特征向量
        feature_vector = feature_extractor.extract(face.crop_image)
        
        # 3. 结合 SQLite 进行特征检索与距离计算（余弦相似度/欧式距离）
        best_match_id, confidence = db_connection.match_feature(feature_vector, threshold=0.8)
        
        results.append({
            "bounding_box": face.bbox,
            "identity": best_match_id if best_match_id else "Unknown",
            "confidence": confidence
        })
        
    return results

快速运行指南

想在本地跑起来体验一下？非常简单：

克隆项目到本地

Bash

复制代码

git clone https://github.com/plumqm/face-recognition.git

安装依赖并启动

Bash

复制代码

cd face-recognition
pip install -r requirements.txt
python main.py

(注：项目包含深度学习模型，建议在 Conda 虚拟环境下配置 PyTorch 等相关依赖，具体启动指令请参考仓库 README 文档)

未来规划 & 邀请共建

目前项目已经跑通了核心的算法流、SQLite 特征管理与可交互的 C/S 界面，但依然有很多可以拓展的空间：

引入 FAISS 等向量检索库，优化大批量特征比对的检索速度。
增加对动态摄像头实时视频流的人脸检测与追踪支持。
进一步丰富客户端 UI 功能，如考勤记录与识别历史的导出等。

这是一个由工程实践与 Vibecoding 探索共同驱动诞生的开源项目，个人的力量有限，非常欢迎对计算机视觉、GUI 开发或 AI 辅助编程感兴趣的同学们提交 PR（Pull Request）或者提 Issue 交流思路！

👉 源码传送门： plumqm/face-recognition

如果你觉得这个项目思路对你有启发，别忘了点个赞或者去 GitHub 留个 Star！