1. 考勤系统概述

大家好，我是这次课程的主讲。咱们直接进入正题——人脸识别考勤系统到底长什么样？

说实话，我最早接触这类项目是在一家中型制造企业。当时他们还在用指纹打卡，一到冬天车间干燥，指纹识别率掉得厉害。后来换成人脸识别，效果确实好不少。但真正落地时才发现，架构设计才是决定成败的关键。

1.1 系统整体架构

一个完整的人脸识别考勤系统，说白了就三层：前端采集层、后端服务层、数据存储层。我习惯用下面这张图来跟团队沟通。

1.2 系统功能模块划分

我习惯把功能拆成 5 个核心模块。每个模块独立开发、独立测试，最后再拼起来。这样做的好处是——哪块出了问题，直接定位，不用翻遍整个代码库。

模块名称	核心职责	关键技术
图像采集模块	实时捕获视频帧，支持多摄像头切换	OpenCV VideoCapture
人脸检测模块	从图像中定位人脸区域，返回边界框	Haar Cascade / HOG
人脸识别模块	提取人脸特征，与库中特征比对	Face Recognition库
考勤逻辑模块	处理签到/签退、迟到早退、统计报表	Python 业务逻辑
数据管理模块	存储员工信息、考勤记录、人脸特征	MySQL + Redis

1.3 技术选型分析

选型这件事，我踩过不少坑。早期有个项目用了某商业 SDK，授权费贵不说，还绑硬件。后来全面转向开源方案，效果反而更好。咱们这门课的核心技术栈是 Python + OpenCV + Face Recognition 库，下面说说为什么这么选。

1.3.1 Python —— 胶水语言的优势

Python 在 AI 领域的生态太强了。你想想看，从图像处理到机器学习，再到 Web 后端，一套语言全搞定。我个人习惯用 Python 3.8+，虚拟环境用 venv 管理，干净利落。

1.3.2 OpenCV —— 图像处理的瑞士军刀

OpenCV 做图像采集和预处理，几乎是业界标配。它支持多种摄像头后端，处理速度也快。我在项目中常用它做这些事：

• 读取摄像头视频流（USB / IP Camera）
• 图像灰度化、直方图均衡化
• 人脸检测（Haar Cascade 分类器）
• 图像缩放、旋转、裁剪

1.3.3 Face Recognition 库 —— 开箱即用的人脸识别

这个库封装了 dlib 的深度学习模型，调用起来特别简单。你给它一张图，它就能返回 128 维的人脸特征向量。比对时算一下欧氏距离，小于阈值就算同一个人。

import face_recognition

# 加载已知人脸
known_image = face_recognition.load_image_file("alice.jpg")
alice_encoding = face_recognition.face_encodings(known_image)[0]

# 加载待识别人脸
unknown_image = face_recognition.load_image_file("unknown.jpg")
unknown_encoding = face_recognition.face_encodings(unknown_image)[0]

# 比对：欧氏距离小于0.6视为同一人
results = face_recognition.compare_faces([alice_encoding], unknown_encoding, tolerance=0.6)
print("匹配结果:", results)

1.4 技术选型对比

为了让你更清楚为什么选这套方案，我列个对比表。当年选型时我就是这么比的。

对比维度	OpenCV + Face Recognition	商业SDK（如虹软）	深度学习自训练
开发成本	免费开源	按设备授权收费	需要大量标注数据
部署难度	pip install 即可	需要集成SDK	需要GPU环境
识别精度	中等（适合中小场景）	高（商业优化）	取决于模型和数据
灵活性	完全可控，可定制	受限于SDK接口	最高，但门槛也高
适合场景	中小企业、实验室、教学	大型企业、高安全场景	研究、特殊需求

说白了，咱们这门课选的是「性价比最高」的方案。你学会了这套，以后想换商业 SDK 或者上深度学习，架构逻辑是一样的，只是换掉识别模块而已。

1.5 开发环境准备

嗯，这里要注意。环境搭不好，后面全是坑。我建议你按这个清单来：

1. Python 3.8 - 3.10（3.11 以上部分库可能不兼容）
2. OpenCV-Python：pip install opencv-python
3. Face Recognition 库：pip install face_recognition
4. dlib（Face Recognition 的依赖，Windows 下建议用预编译 wheel）
5. Flask（后续章节做 Web 端会用）
6. MySQL + Redis（数据存储）