160-基于Flask的人脸识别校园考勤系统

基于 Django + dlib 的人脸识别校园考勤系统：从零到上线实践指南

本文完整分享一个基于 Django、dlib、face-recognition、OpenCV 的人脸识别校园考勤系统的设计与实现。文章涵盖目录结构、技术栈、关键代码、数据模型、业务流程、部署上线与可视化展示占位，开箱即用并便于二次开发。

— 联系方式：码界筑梦坊各大平台同名

目录

• 项目概览与特性
• 目录结构
• 技术栈与环境
• 业务与数据建模
• 核心流程设计
• 关键代码剖析
• 路由与页面
• 可视化展示
• 本地开发与部署
• 常见问题与排查
• 演进与优化方向
• 致谢

项目概览与特性

• 学生/教师/管理员三类用户，基于会话的登录注册与信息完善。
• 课程与节次管理，教师发布考勤时间窗，学生在窗口内完成“人脸签到”。
• 人脸注册与识别：支持上传图片或摄像头拍照，提取面部编码并进行相似度比对。
• 结果落库：识别日志与考勤记录入库，可扩展统计分析与可视化。

目录结构（精简）

djangoProject/
  djangoProject/
    settings.py        # 配置（MySQL、静态/媒体、上下文处理器）
    urls.py            # 全局路由，挂载 myApp
  myApp/
    models.py          # 用户、学院、专业、课程、节次、选课、请假、考勤、人脸相关模型
    views.py           # 登录注册、信息完善、课程/选课、人脸录入/签到、教师端发布考勤
    urls.py            # 业务路由
    face.py            # 人脸编码与识别流程（dlib + 欧氏距离阈值）
    templates/         # 前端模板（登录、录入、签到、课程等）
  utils/
    ways.py            # 基础工具（base64 转二进制等）
    getPublicData.py   # 公共数据查询封装
    getChartData.py    # 可视化数据准备（示例）
    *.dat              # dlib 人脸关键点/特征模型文件
  static/              # 前端静态资源（可替换为 CDN）
  media/faces/         # 用户人脸图片持久化目录
  requirements.txt     # 依赖（Django、dlib、face-recognition、opencv 等）
  manage.py

技术栈与环境

• 后端框架：Django 3.1.14（会话登录、模板渲染、ORM、消息系统）
• 数据库：MySQL（PyMySQL 驱动）
• 人脸相关：
  • dlib（68 关键点 + ResNet 人脸特征）
  • face-recognition（封装的人脸编码/比对 API，可用于注册时提编码）
  • OpenCV（图像转灰度等基础处理）
• 科学计算：NumPy、Pillow
• 可视化：ECharts/Matplotlib/WordCloud（项目内已含 getChartData.py 与 wordCloud.py 示例）
• UI：SimpleUI（管理端优化）、本地静态资源模板

环境要求（Windows 示例）：

• Python 3.8+（建议）
• MySQL 5.7+/8.0+
• CMake 与 VS Build Tools（用于编译 dlib，或使用预构建 wheel）

业务与数据建模

• 用户与角色：User(user_type=student|teacher|admin)；学生/教师与用户一对一，包含扩展信息。
• 课程体系：Course — CourseSession（节次/上课时间与签到时间窗）。
• 选课记录：Enrollment（避免超额与重复选课）。
• 人脸相关：
  • FaceEnrollmentRecord 保存用户的人脸图片路径与编码（二进制）
  • FaceRecognition 保存一次识别的结果（成功/失败、时间、关联节次）
  • Attendance 考勤记录，关联学生与节次

核心流程设计

1. 人脸注册
   • 上传图片或前端拍照 base64 → 后端解析并保存到 media/faces/ → 通过 face-recognition/dlib 提取 128D 面部编码 → 写入 FaceEnrollmentRecord。
2. 发布考勤
   • 教师对课程发布 CourseSession，含上课时间与签到起止时间。
3. 人脸签到
   • 学生上传签到图片 → dlib/face-recognition 提取编码 → 与库中自身编码做相似度比对（欧氏距离阈值 0.6）→ 成功则写入 FaceRecognition 并生成 Attendance。

关键代码剖析（节选）

数据库配置与模板上下文处理器（djangoProject/settings.py）：

INSTALLED_APPS = [
    'simpleui', 'django.contrib.admin', 'django.contrib.auth',
    'django.contrib.contenttypes', 'django.contrib.sessions',
    'django.contrib.messages', 'django.contrib.staticfiles',
    'myApp'
]

DATABASES = {
    'default': {
        'ENGINE': 'django.db.backends.mysql',
        'NAME': 'design_160_face',
        'USER': 'root',
        'PASSWORD': '123456',
        'HOST': 'localhost',
        'PORT': '3306'
    }
}

TEMPLATES[0]['OPTIONS']['context_processors'] += [
    'myApp.context_processors.user_data',
]

核心模型（myApp/models.py）节选：

class CourseSession(models.Model):
    course = models.ForeignKey(Course, on_delete=models.CASCADE)
    session_time = models.DateTimeField()
    sign_in_start_time = models.DateTimeField()
    sign_in_end_time = models.DateTimeField()

    def is_sign_in_in_time(self, current_time):
        return self.sign_in_start_time <= current_time <= self.sign_in_end_time

class FaceEnrollmentRecord(models.Model):
    user = models.ForeignKey(User, on_delete=models.CASCADE)
    enrollment_time = models.DateTimeField(auto_now_add=True)
    image_path = models.CharField(max_length=255)
    face_encoding = models.BinaryField()

class Attendance(models.Model):
    student = models.ForeignKey(Student, on_delete=models.CASCADE)
    course_session = models.ForeignKey(CourseSession, on_delete=models.CASCADE)
    date = models.DateTimeField(auto_now_add=True)
    status = models.CharField(max_length=20, choices=(
        ('present', '出勤'), ('absent', '缺席'), ('late', '迟到'), ('excused', '请假'),
    ))

人脸识别流程（myApp/face.py）：

import dlib, cv2, numpy as np
from io import BytesIO
from PIL import Image
from .models import Student, FaceRecognition, Attendance, CourseSession, FaceEnrollmentRecord

detector = dlib.get_frontal_face_detector()
sp = dlib.shape_predictor('utils/shape_predictor_68_face_landmarks.dat')
facerec = dlib.face_recognition_model_v1('utils/dlib_face_recognition_resnet_model_v1.dat')

def get_face_encoding(image_data):
    img = Image.open(BytesIO(image_data))
    img = np.array(img)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    faces = detector(gray)
    if len(faces) == 0:
        return None
    shape = sp(gray, faces[0])
    face_descriptor = facerec.compute_face_descriptor(img, shape)
    return np.array(face_descriptor)

def recognize_face(face_image, course_session):
    face_encoding = get_face_encoding(face_image)
    if face_encoding is None:
        return {"status": "failed", "message": "未检测到人脸"}
    for student in Student.objects.all():
        rec = FaceEnrollmentRecord.objects.filter(user=student.user).first()
        if not rec: continue
        stored = np.frombuffer(rec.face_encoding, dtype=np.float64)
        if np.linalg.norm(face_encoding - stored) < 0.6:
            fr = FaceRecognition(user=student.user, status='success', course_session=course_session)
            fr.save()
            attendance = fr.create_attendance()
            return {"status": "success", "message": "签到成功", "attendance_status": getattr(attendance, 'status', None)}
    return {"status": "failed", "message": "未匹配到已注册人脸"}

人脸注册与签到视图（myApp/views.py）节选：

def enroll_face(request):
    username = request.session.get('username')
    user = User.objects.get(username=username)
    if request.method == 'POST':
        form = FaceEnrollmentForm(request.POST, request.FILES)
        if form.is_valid():
            # 保存图片到 media/faces 并提取 face_encoding，写入 FaceEnrollmentRecord
            # ...（略，详见仓库源码）
            messages.success(request, "人脸录入成功")
            return redirect('/myApp/enroll_face/')
    else:
        form = FaceEnrollmentForm()
    return render(request, 'enroll_face.html', {'form': form})

def check_in(request, course_session_id):
    course_session = CourseSession.objects.get(id=course_session_id)
    if request.method == "POST":
        face_image = request.FILES.get("face_image")
        result = recognize_face(face_image.read(), course_session)
        messages.success(request, result.get('message')) if result['status']=='success' \
            else messages.error(request, result.get('message'))
        return redirect('check_in', course_session_id=course_session.id)
    return render(request, 'check_in.html', {'course_session': course_session})

路由与页面

全局入口（djangoProject/urls.py）：

urlpatterns = [
    path('admin/', admin.site.urls),
    path('', views.login, name='login'),
    path('myApp/', include('myApp.urls')),
]

业务路由（myApp/urls.py）包含：

• 登录/注册/登出
• 信息完善（学生/教师）
• 课程列表/详情/选课/退课
• 人脸录入与签到、查看考勤、教师端发布考勤时间

前端模板位于 myApp/templates/，可替换为任意 UI 组件库（Bootstrap、Tailwind、AntD）或前后端分离改造。

可视化展示

🐼 项目源码获取，码界筑梦坊各平台同名，博客底部含联系方式卡片，欢迎咨询！

本地开发与部署

1. 安装依赖

pip install -r requirements.txt
# Windows 若 dlib 安装失败：
# 方式A：预编译 wheel（匹配 Python/平台版本）；
# 方式B：安装 CMake 与 VS Build Tools 后再 pip 安装

2. 数据库配置

• 在 djangoProject/settings.py 修改 DATABASES 为你的 MySQL 连接参数。
• 创建数据库 design_160_face（或自行更名）。

3. 初始化与运行

python manage.py makemigrations
python manage.py migrate
python manage.py createsuperuser
python manage.py runserver 0.0.0.0:8000

4. 静态与媒体

• STATICFILES_DIRS 指向 static/；媒体文件（人脸图片）保存在 media/，确保有写权限。

5. 生产部署要点

• 关闭 DEBUG，设置 ALLOWED_HOSTS
• 使用 uWSGI/gunicorn + Nginx；媒体/静态走 Nginx
• 分离人脸模型与图片存储，考虑对象存储（OSS/七牛/又拍等）
• 加入 HTTPS，敏感接口限流与鉴权

常见问题与排查

• dlib 安装失败：优先尝试预编译 wheel；否则安装 CMake/VS Build Tools 后重试。
• 无法检测到人脸：保证图像清晰、正脸、光照均匀；建议仅一张人脸入镜。
• MySQL 连接失败：检查端口/用户权限/pymysql 安装。
• 迁移冲突：清理 migrations 异常文件，或用 --fake/--fake-initial 处理历史。
• URL 细节：注意路由参数格式，如 path('course/<int:course_id>/enroll/', ...)。
• 性能：大量比对时预加载编码到内存，并做索引或缓存；必要时改 ANN（近似最近邻）。

演进与优化方向

• 鉴权升级：Django Auth 与权限系统完善；或切换 JWT 并前后端分离。
• 活体检测与防攻击：加入眨眼检测、光流/深度/纹理反欺诈模块。
• 相似度策略：欧氏距离阈值自适应/课程内 Top-K；或训练度量学习模型。
• 特征管理：编码归一化、版本化、批量重提取与滚动更新。
• 任务异步化：识别日志与统计写入 Celery，前端轮询或 WebSocket 推送。

致谢

• dlib、face-recognition、OpenCV、Django 及其生态。

— 联系方式：码界筑梦坊各大平台同名