2025/05/19日日志 基于人脸识别的签到程序-系统分析与设计

项目需求分析说明

用户角色与需求​​

·1.管理员：

·管理用户信息（录入/删除）

·查看所有签到记录

·普通用户的签到功能

·2.普通用户：

·通过实时人脸识别或照片人脸录入完成实时或照片签到

核心用例说明

·1.人脸录入：

·支持摄像头实时采集（10次采样优化特征）或上传照片录入

·姓名唯一性校验，防止重复注册

·2.人脸签到：

·实时摄像头识别（5次尝试机会）或上传照片识别

·匹配阈值0.4，支持多人脸检测防作弊

·3.记录查询：

·显示最近50条签到记录（姓名、时间）

·支持模糊搜索（按姓名过滤）

系统设计方案

系统功能架构

· 用户管理模块
├─ 实时人脸录入（HOG检测+CNN编码）
├─ 照片人脸录入（文件上传验证）
└─ 用户列表展示（ID/姓名）

· 签到管理模块
├─ 实时视频流识别（OpenCV帧处理）
├─ 照片文件识别（JPG/PNG格式支持）
└─ 签到结果记录（时间戳存储）

· 数据查询模块
├─ 签到记录分页显示
└─ 表格交互（排序/搜索）

数据库表

• user表
  
• attendance_records表
  

技术架构设计

• 界面层（GUI）
  ├─ Tkinter动态渲染（摄像头画面实时预览）
  └─ 线程安全操作（防止界面卡顿）

• 业务逻辑层
  ├─ 人脸识别服务（face_recognition库）
  │ ├─ 特征提取：num_jitters=2（增强鲁棒性）
  │ └─ 距离计算：欧氏距离+阈值判定
  └─ 数据库事务管理（自动提交/回滚）

• 数据持久层
  ├─ MySQL连接池（pymysql驱动）
  └─ JSON序列化（numpy数组转存）

关键设计特性

1.容错机制：

·摄像头超时释放（30秒无操作自动关闭）

·数据库事务回滚（唯一约束冲突处理）

2.性能优化：

·人脸检测模型分级（HOG实时模式 vs CNN高精度模式）

·批量特征加载（减少数据库频繁查询）

3.安全性：

·人脸编码不可逆存储（非原始图像保存）

·输入合法性校验（文件名/姓名特殊字符过滤）

补充

需要注意的是，由于系统的不同和数据库的环境，实际使用中需注意摄像头权限适配（Linux/Mac/Windows差异）及MySQL连接参数配置（代码中密码硬编码需改为环境变量读取）。