1. 项目背景与需求分析

高校课堂考勤一直是教学管理中的重要环节。传统点名方式耗时费力，指纹打卡又存在设备成本高、接触式感染风险等问题。我在实际教学中发现，一个200人的大课，手动点名要占用近15分钟课堂时间，效率极低。而基于CNN的人脸识别技术恰好能解决这些痛点——学生只需在摄像头前露个脸，系统就能自动完成身份核验和记录。

这个项目需要实现三个核心功能：实时人脸检测（确保画面中有人脸）、活体判断（防止照片作弊）、以及数据可视化（生成考勤报表）。我选择Python作为开发语言，因为它的OpenCV和深度学习框架生态完善，能快速搭建原型。CNN模型则负责特征提取，相比传统算法在准确率上有明显优势。

2. 系统架构设计

整个系统采用分层架构，分为前端采集层、算法处理层和数据存储层。前端用普通USB摄像头配合OpenCV捕获视频流，实测720P分辨率在教室环境下完全够用。算法层是核心，采用多线程设计：主线程处理视频流，子线程运行CNN模型，避免界面卡顿。

数据流是这样的：摄像头帧→人脸检测→活体检测→特征提取→数据库比对→考勤记录。这里有个关键设计点：模型需要轻量化。我测试发现，直接用ResNet50会导致延迟高达2秒，后来改用MobileNetV3，识别速度提升到200ms/帧，准确率只下降3%。

3. 关键算法实现

3.1 人脸检测模块

使用MTCNN作为检测器，相比OpenCV的Haar级联，它能更好地处理侧脸和遮挡。核心代码如下：

from mtcnn import MTCNN
detector = MTCNN(min_face_size=50)

def detect_faces(frame):
    rgb_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
    results = detector.detect_faces(rgb_frame)
    return [box['box'] for box in results]

实际部署时要调整min_face_size参数，教室最后一排的学生人脸在画面中可能只有40x40像素。

3.2 活体检测方案

为防止打印照片作弊，我采用了眨眼检测+纹理分析的双重验证。用dlib提取68个面部特征点，计算眼睛纵横比(EAR)：

def eye_aspect_ratio(eye_points):
    A = np.linalg.norm(eye_points[1] - eye_points[5])
    B = np.linalg.norm(eye_points[2] - eye_points[4])
    C = np.linalg.norm(eye_points[0] - eye_points[3])
    return (A + B) / (2.0 * C)

当连续3帧EAR值低于阈值时判定为眨眼。同时用LBP算法分析面部纹理，真实人脸的LBP直方图方差通常大于伪造人脸。

4. 模型训练与优化

4.1 数据集准备

收集了本校200名学生的人脸数据，每人20张不同角度照片。数据增强时特别注意光照变化，模拟教室的逆光场景。关键代码：

datagen = ImageDataGenerator(
    rotation_range=15,
    width_shift_range=0.1,
    height_shift_range=0.1,
    brightness_range=(0.8, 1.2),
    horizontal_flip=True)

4.2 轻量化模型设计

基于MobileNetV3改造的CNN结构如下：

• 输入层：112x112 RGB图像
• 特征提取：倒残差块+SE模块
• 输出层：256维特征向量

训练时采用Triplet Loss，使同类样本特征距离小于不同类。在测试集上达到98.7%的准确率，模型大小仅8.3MB。

5. 系统集成与部署

用Flask搭建Web服务，前端显示实时画面和考勤状态。数据库选用SQLite，存储结构设计为：

CREATE TABLE attendance (
    id INTEGER PRIMARY KEY,
    student_id TEXT,
    timestamp DATETIME,
    status TEXT CHECK(status IN ('present', 'late', 'absent'))
);

部署时遇到GPU内存泄漏问题，最后通过限制TensorFlow的GPU内存增长解决：

gpus = tf.config.experimental.list_physical_devices('GPU')
tf.config.experimental.set_memory_growth(gpus[0], True)

6. 效果评估与改进

在实际一学期的使用中，系统平均识别准确率达到96.2%。主要误识别发生在强烈侧光环境下，后续计划加入GAN生成的光照增强模块。另外发现当多人同时出现在画面时，识别速度会下降30%，这需要通过改进检测算法来优化。

有个实用技巧：在教室门口部署时，将摄像头高度设置在1.7米左右，与人眼平齐，这样能减少头部俯仰角带来的识别误差。我还添加了语音提示功能，用pyttsx3库在识别成功时播报学生姓名，方便老师确认。