实战项目一：智能人脸考勤系统

📂 所属阶段：第六阶段 — 顶级综合项目实战
🔗 相关章节：边缘计算初探 · 实战项目二：工业缺陷检测

1. 系统架构

输入：摄像头视频流
↓
人脸检测（MTCNN）
↓
人脸对齐
↓
人脸识别（ArcFace）
↓
数据库匹配
↓
输出：考勤记录

2. 人脸检测（MTCNN）

from mtcnn import MTCNN
import cv2

detector = MTCNN()

# 检测人脸
image = cv2.imread("photo.jpg")
faces = detector.detect_faces(image)

for face in faces:
    x, y, w, h = face['box']
    cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)

cv2.imshow("Faces", image)
cv2.waitKey(0)

3. 人脸识别（ArcFace）

import torch
from arcface import ArcFace

# 加载模型
model = ArcFace.load_pretrained()

# 提取特征
face_embedding = model.get_embedding(face_image)

# 计算相似度
similarity = torch.nn.functional.cosine_similarity(
    face_embedding, database_embedding
)

# 匹配
if similarity > 0.6:
    print("识别成功")
else:
    print("陌生人")

4. 完整系统

import cv2
from mtcnn import MTCNN
from arcface import ArcFace
import sqlite3

class AttendanceSystem:
    def __init__(self):
        self.detector = MTCNN()
        self.model = ArcFace.load_pretrained()
        self.db = sqlite3.connect("attendance.db")
    
    def register_face(self, name, image_path):
        image = cv2.imread(image_path)
        faces = self.detector.detect_faces(image)
        
        if faces:
            face = faces[0]
            x, y, w, h = face['box']
            face_image = image[y:y+h, x:x+w]
            
            embedding = self.model.get_embedding(face_image)
            
            # 保存到数据库
            cursor = self.db.cursor()
            cursor.execute(
                "INSERT INTO users (name, embedding) VALUES (?, ?)",
                (name, embedding.numpy().tobytes())
            )
            self.db.commit()
    
    def recognize(self, image_path):
        image = cv2.imread(image_path)
        faces = self.detector.detect_faces(image)
        
        results = []
        for face in faces:
            x, y, w, h = face['box']
            face_image = image[y:y+h, x:x+w]
            
            embedding = self.model.get_embedding(face_image)
            
            # 从数据库查询
            cursor = self.db.cursor()
            cursor.execute("SELECT name, embedding FROM users")
            
            for name, db_embedding in cursor.fetchall():
                db_embedding = torch.from_numpy(np.frombuffer(db_embedding, dtype=np.float32))
                similarity = torch.nn.functional.cosine_similarity(
                    embedding, db_embedding.unsqueeze(0)
                )
                
                if similarity > 0.6:
                    results.append((name, similarity.item()))
        
        return results

5. 小结

人脸考勤系统关键技术：

1. 人脸检测：MTCNN（快速准确）
2. 人脸识别：ArcFace（业界标准）
3. 数据库：存储人脸特征
4. 实时处理：视频流处理

性能指标：
- 检测速度：30+ FPS
- 识别准确率：99%+
- 误识率：< 0.1%

💡 记住：ArcFace 是人脸识别的黄金标准。它的准确率和速度都是业界最好的。

🔗 扩展阅读