基于人脸识别的课堂签到系统：从模型选型到工程落地全链路实践

1. 项目缘起与整体设计思路

1.1 这个系统到底要解决什么问题

课堂签到这件事，看起来简单，实际上是个挺磨人的活儿。我做过几次课程助教，也帮老师维护过点名系统，传统方式无非就是三种：纸质签名、手动点名、扫码签到。纸质签名最大的问题是代签，一个宿舍派一个代表来，唰唰唰签完就走，老师根本分不清谁是谁；手动点名倒是能确认人在不在，但一个班几十号人点下来，五分钟就没了，大课更是灾难；扫码签到稍微好一点，但截图转发、远程扫码这些漏洞，学生比老师玩得还溜。

人脸识别签到系统的核心思路，就是把“人”和“身份”绑定在一起。你人到了，脸对着摄像头，系统识别出来你是谁，签到记录自动生成。代签这件事从物理上就被堵死了，因为你的脸没法借给别人。这个项目适合谁呢？我觉得有三类人值得动手做一遍：一是正在学计算机视觉、想找个完整项目练手的学生；二是需要给课程做签到工具的高校老师或助教；三是对人脸识别落地应用感兴趣、想了解从模型到系统全链路的开发者。

1.2 为什么选人脸识别而不是指纹或刷卡

这里得说一下方案选型的逻辑。指纹签到的问题在于接触式采集，一个指纹模块几百号人轮流按，卫生问题先不说，磨损和识别失败率也会随着使用次数上升。刷卡就更不用提了，卡可以转借，跟代签没本质区别。人脸识别的优势在于非接触、无感、难以伪造，而且现在普通USB摄像头就能采集到可用的图像质量，硬件成本极低。

当然，人脸识别也不是没有短板。光照变化、遮挡、角度偏转都会影响识别率，这些在后面实操部分我会详细讲怎么处理。但综合来看，对于课堂签到这个场景，人脸识别是目前性价比最高、体验最好的方案。

1.3 整体架构怎么搭

我把这个系统分成四层来设计，这样逻辑清晰，后面扩展也方便：

• 采集层：负责图像获取，可以是普通USB摄像头，也可以是网络摄像头RTSP流。课堂场景下，我建议用广角摄像头架在教室前方，一次能拍到多个人。
• 识别层：核心的人脸检测+特征提取+比对模块。检测用轻量级模型保证速度，特征提取用ArcFace或FaceNet这类成熟方案保证精度。
• 业务层：签到逻辑、考勤统计、迟到早退判定、数据导出。这部分是纯业务代码，跟人脸识别解耦。
• 展示层：Web管理后台，老师可以查看签到记录、导出报表、管理学生名单。

这样分层的好处是，识别层可以独立替换升级，业务层不需要改动。比如你一开始用OpenCV的Haar级联做检测，后面想换成MTCNN或者RetinaFace，只需要改识别层的接口实现就行。

注意：很多初学者一上来就把所有代码写在一个文件里，检测、识别、签到逻辑混在一起，后面想换个模型或者加个功能就牵一发动全身。分层设计虽然前期多写几个接口，但后期维护成本会低很多。

2. 核心技术点拆解与选型分析

2.1 人脸检测：从Haar到深度学习模型

人脸检测是整个流程的第一步，目标是从图像中框出人脸的位置。早期OpenCV自带的Haar级联分类器是最容易上手的方案，几行代码就能跑起来。但Haar的问题很明显：正脸检测还行，侧脸、遮挡、光照不均的情况下漏检率很高。我实测过，在教室这种复杂光照环境下，Haar的漏检率能到30%以上，基本不可用。

后来我换成了DNN模块加载Caffe模型，用的是SSD架构的ResNet-10骨干网络，OpenCV自带就有这个模型文件。检测速度和精度都比Haar好了一个档次，在普通CPU上跑640x480的图像，单帧检测大概30-50毫秒，够用了。如果再追求精度，可以上MTCNN或者RetinaFace，但速度会慢一些，需要GPU加速。

选型建议是这样的：如果你只是做课程作业或者小规模试用，OpenCV DNN方案足够；如果要上真实课堂、几十号人同时签到，建议用RetinaFace配合GPU，检测更稳。

2.2 人脸特征提取：为什么选ArcFace

检测到人脸之后，下一步是把人脸转成一个特征向量，也就是embedding。这个向量要满足一个条件：同一个人不同角度拍的照片，向量距离要近；不同人的照片，向量距离要远。

早期方案用LBPH（局部二值模式直方图），简单但精度有限，换个人换个光照就认不出来了。后来深度学习方案成为主流，FaceNet用三元组损失训练，效果不错但训练数据要求高。ArcFace在FaceNet基础上引入了角度间隔，让类间距离更大、类内距离更小，在公开测试集上的准确率明显更高。

我选ArcFace的另一个原因是，它有预训练好的模型可以直接用，不需要自己从头训练。对于课堂签到这种场景，学生人数通常几十到几百人，用预训练模型提取特征，然后建一个特征库做比对，完全够用。

2.3 人脸比对：余弦相似度还是欧氏距离

特征提取出来之后，怎么判断两个人是不是同一个人？常见的方法有两种：余弦相似度和欧氏距离。ArcFace的输出向量通常做了L2归一化，这时候余弦相似度和欧氏距离是等价的，用哪个都行。

关键问题是阈值怎么定。阈值太高，同一个人可能被判定为不同人，出现拒识；阈值太低，不同人可能被判定为同一人，出现误识。我一般建议在0.4到0.6之间调，具体值需要根据你的数据集实测。可以准备一组已知身份的测试集，画一个ROC曲线，找到等错误率最低的那个点作为阈值。

实操心得：不要迷信论文里的推荐阈值，那个是在大规模数据集上统计出来的。你的课堂场景、摄像头型号、光照条件都不一样，必须自己实测调整。我一般会先用0.5跑一遍，看看误识和拒识的情况，再微调。

2.4 活体检测：要不要做，怎么做

活体检测是为了防止用照片或视频冒充真人。课堂签到场景下，学生用手机翻拍一张照片来骗系统的可能性是存在的，所以活体检测有必要做。

简单方案可以用眨眼检测或者张嘴检测，让用户配合做一个动作。但课堂签到追求的是无感，让几十号人挨个眨眼不太现实。另一种方案是用红外摄像头或者深度摄像头，但硬件成本上去了。折中方案是用纹理分析或者光流分析，判断画面中的人脸是否有微小的肌肉运动，这个不需要用户配合，但算法复杂度高一些。

我的建议是：如果只是课程项目，可以先不做活体检测，把基础流程跑通；如果要真实部署，至少加一个简单的动作配合检测，比如随机要求转头或眨眼。

2.5 技术选型对比表

3. 实操过程与核心环节实现

3.1 环境搭建与依赖安装

先说一下我的开发环境：Python 3.9，OpenCV 4.8，NumPy，FastAPI做后端，SQLite做数据库。为什么选Python？因为人脸识别相关的库基本都是Python生态最全，OpenCV、ONNX Runtime、InsightFace这些都有Python接口，开发效率高。

安装依赖的命令如下：

pip install opencv-python opencv-contrib-python pip install numpy fastapi uvicorn pip install onnxruntime pip install insightface

这里重点说一下InsightFace这个库，它封装了ArcFace的预训练模型，直接调用就能提取人脸特征，省去了自己搭网络、加载权重的麻烦。ONNX Runtime用来加速推理，CPU上也能跑到可用的速度。

注意：OpenCV的版本很重要，有些旧版本不支持DNN模块加载ONNX模型。建议用4.5以上的版本，安装的时候把opencv-python和opencv-contrib-python都装上，后者包含了一些额外的模块。

3.2 人脸检测模块的实现

检测模块我封装了一个类，对外只暴露一个detect方法，输入是图像，输出是人脸框的坐标列表。这样后面换检测器的时候，只要改这个类的内部实现就行。

import cv2 import numpy as np class FaceDetector: def __init__(self, model_path, conf_threshold=0.5): self.net = cv2.dnn.readNetFromCaffe( model_path + "/deploy.prototxt", model_path + "/res10_300x300_ssd_iter_140000.caffemodel" ) self.conf_threshold = conf_threshold def detect(self, image): h, w = image.shape[:2] blob = cv2.dnn.blobFromImage( cv2.resize(image, (300, 300)), 1.0, (300, 300), (104.0, 177.0, 123.0) ) self.net.setInput(blob) detections = self.net.forward() faces = [] for i in range(detections.shape[2]): confidence = detections[0, 0, i, 2] if confidence > self.conf_threshold: box = detections[0, 0, i, 3:7] * np.array([w, h, w, h]) x1, y1, x2, y2 = box.astype("int") faces.append((x1, y1, x2, y2)) return faces

这段代码的逻辑是：把图像缩放到300x300，做均值减法，送入网络，得到检测结果。置信度阈值设0.5，低于这个值的框直接丢掉。返回的是人脸框的左上角和右下角坐标。

3.3 特征提取与特征库构建

特征提取用的是InsightFace的模型，它会自动完成人脸对齐和特征向量输出。特征库我存在SQLite里，每个学生一条记录，包含学号、姓名、特征向量（存成二进制或者JSON字符串）。

import insightface import numpy as np class FaceRecognizer: def __init__(self): self.model = insightface.app.FaceAnalysis() self.model.prepare(ctx_id=-1, det_size=(640, 640)) def extract_feature(self, image, face_box): x1, y1, x2, y2 = face_box face_img = image[y1:y2, x1:x2] faces = self.model.get(face_img) if len(faces) == 0: return None return faces[0].embedding

这里有个细节：InsightFace的get方法会自己再做一次检测和对齐，所以传入的face_img最好稍微扩大一点边界，避免裁得太紧导致对齐失败。我一般会把框向外扩10%到20%。

特征库构建的流程是：先采集每个学生的几张照片，提取特征，取平均或者直接存多条记录。我建议每人存3到5张不同角度的照片，比对的时候取最小距离，这样容错率更高。

3.4 签到比对逻辑的实现

签到的时候，摄像头采集一帧图像，检测所有人脸，逐个提取特征，然后跟特征库里的所有记录比对，找到距离最小的那个。如果最小距离小于阈值，就判定为这个人，记录签到时间；否则标记为未知人脸。

def cosine_distance(feature1, feature2): dot = np.dot(feature1, feature2) norm1 = np.linalg.norm(feature1) norm2 = np.linalg.norm(feature2) return 1 - dot / (norm1 * norm2) def identify(self, feature, threshold=0.5): min_dist = float('inf') matched_id = None for record in self.feature_db: dist = cosine_distance(feature, record['feature']) if dist < min_dist: min_dist = dist matched_id = record['student_id'] if min_dist < threshold: return matched_id, min_dist return None, min_dist

这段代码里，cosine_distance返回的是1减去余弦相似度，所以值越小表示越相似。阈值0.5意味着余弦相似度要大于0.5才判定为匹配。

实操心得：比对的时候不要只取最小距离，还要看最小距离和第二小距离的比值。如果最小距离是0.45，第二小是0.46，说明系统分不太清楚这两个人，这时候应该标记为待确认，而不是直接判定。我一般会加一个比值判断，如果最小距离除以第二小距离大于0.9，就输出待确认状态。

3.5 后端接口与数据库设计

后端用FastAPI，主要提供三个接口：注册人脸、签到识别、查询记录。数据库用SQLite，两张表：students表存学生信息和特征向量，attendance表存签到记录。

from fastapi import FastAPI, UploadFile, File from pydantic import BaseModel import sqlite3 import json app = FastAPI() @app.post("/register") async def register_face(student_id: str, name: str, file: UploadFile = File(...)): image = cv2.imdecode(np.frombuffer(await file.read(), np.uint8), cv2.IMREAD_COLOR) faces = detector.detect(image) if len(faces) != 1: return {"error": "请确保画面中只有一张人脸"} feature = recognizer.extract_feature(image, faces[0]) conn = sqlite3.connect('attendance.db') conn.execute( "INSERT OR REPLACE INTO students (student_id, name, feature) VALUES (?, ?, ?)", (student_id, name, json.dumps(feature.tolist())) ) conn.commit() return {"status": "ok"} @app.post("/checkin") async def checkin(file: UploadFile = File(...)): image = cv2.imdecode(np.frombuffer(await file.read(), np.uint8), cv2.IMREAD_COLOR) faces = detector.detect(image) results = [] for box in faces: feature = recognizer.extract_feature(image, box) if feature is None: continue student_id, dist = recognizer.identify(feature) if student_id: conn = sqlite3.connect('attendance.db') conn.execute( "INSERT INTO attendance (student_id, timestamp) VALUES (?, datetime('now'))", (student_id,) ) conn.commit() results.append({"student_id": student_id, "distance": float(dist)}) else: results.append({"student_id": "unknown", "distance": float(dist)}) return {"results": results}

数据库表结构如下：

CREATE TABLE students ( student_id TEXT PRIMARY KEY, name TEXT NOT NULL, feature TEXT NOT NULL ); CREATE TABLE attendance ( id INTEGER PRIMARY KEY AUTOINCREMENT, student_id TEXT NOT NULL, timestamp TEXT NOT NULL, FOREIGN KEY (student_id) REFERENCES students(student_id) );

3.6 前端页面与交互流程

前端我用的最简单的HTML+JavaScript，一个页面做注册，一个页面做签到。签到页面打开摄像头，每隔两秒抓一帧传到后端，后端返回识别结果，前端在页面上显示谁签到了。

const video = document.getElementById('video'); const canvas = document.getElementById('canvas'); navigator.mediaDevices.getUserMedia({ video: true }) .then(stream => { video.srcObject = stream; }); setInterval(async () => { canvas.width = video.videoWidth; canvas.height = video.videoHeight; canvas.getContext('2d').drawImage(video, 0, 0); canvas.toBlob(async (blob) => { const formData = new FormData(); formData.append('file', blob, 'frame.jpg'); const response = await fetch('/checkin', { method: 'POST', body: formData }); const data = await response.json(); updateUI(data.results); }, 'image/jpeg'); }, 2000);

这个方案的好处是前端不需要装任何东西，浏览器打开就能用。老师把页面投到教室屏幕上，学生从摄像头前面走过，签到结果实时显示，体验很直观。

4. 常见问题与排查技巧实录

4.1 识别率低怎么办

这是最常见的问题，原因可能有很多。我按排查顺序列一下：

第一，检查人脸检测有没有问题。把检测到的人脸框画出来看看，如果框的位置偏了或者漏检了，那后面的识别肯定不准。检测问题通常是光照太暗或者角度太偏导致的，可以调整摄像头位置或者补光。

第二，检查特征提取的质量。把同一个人不同照片提取的特征向量拿出来，算一下两两之间的余弦距离。如果同一个人不同照片的距离都大于0.5，说明特征提取有问题，可能是人脸对齐没做好，或者图像分辨率太低。

第三，检查阈值设置。如果检测和特征都没问题，那就是阈值太严了。把阈值从0.5调到0.6试试，看看识别率有没有提升。

第四，检查特征库。如果某个学生的注册照片质量很差，比如模糊、侧脸、戴墨镜，那他的特征向量就不准，比对的时候容易出问题。建议注册的时候多拍几张，选质量最好的。

4.2 多人同时出现在画面中怎么处理

课堂签到场景下，摄像头一次拍到多个人是常态。我的处理逻辑是：检测到所有人脸，逐个识别，每个人独立判断。但这里有个问题，如果两个人挨得很近，人脸框可能重叠，导致特征提取的时候裁到了别人的脸。

解决办法是在检测之后加一个非极大值抑制（NMS），把重叠的框合并或者去掉。OpenCV DNN的输出本身已经做了NMS，但阈值可能不够严格。我一般会再手动做一次NMS，IoU阈值设0.3，把重叠度高的框去掉。

另外，如果画面中人太多，建议分批签到，或者用多个摄像头从不同角度拍。一个摄像头拍几十个人，每个人的脸都很小，识别率肯定下降。

4.3 光照变化怎么应对

教室的光照条件跟摄像头的位置关系很大。靠窗的位置可能过曝，靠里的位置可能太暗。我试过几种方案：

• 直方图均衡化：对图像做CLAHE（限制对比度自适应直方图均衡化），能改善对比度，但对过曝区域没用。
• 自动曝光：如果摄像头支持，打开自动曝光功能，让摄像头自己调整。
• 补光灯：最直接的办法，在摄像头旁边加一个LED补光灯，保证人脸区域光照均匀。
• 多帧融合：连续抓几帧，选质量最好的那一帧做识别。

实测下来，补光灯+CLAHE的组合效果最好，成本也低。

4.4 签到记录重复怎么处理

如果摄像头每隔两秒抓一帧，同一个人可能在多个帧里都被识别到，导致重复签到。解决办法是在数据库层面加一个唯一约束，同一个学生同一天只记录一次。

CREATE UNIQUE INDEX idx_student_date ON attendance (student_id, date(timestamp));

或者在业务逻辑里判断，签到之前先查一下今天有没有记录，有就跳过。我一般两个都做，数据库约束保证数据一致性，业务逻辑判断减少无效查询。

4.5 常见问题速查表

5. 性能优化与扩展方向

5.1 推理速度优化

如果签到的时候感觉卡顿，可以从几个方面优化。第一，降低输入图像的分辨率，640x480够用了，没必要上1080p。第二，用ONNX Runtime的GPU加速，如果有NVIDIA显卡的话，速度能提升5到10倍。第三，把特征提取和比对分开，特征提取用批处理，一次处理多张人脸。

我实测过，在Intel i5的CPU上，640x480的图像，检测加特征提取大概100毫秒左右，一秒钟能处理10帧，对于签到场景完全够用。如果用了GPU，能到5毫秒以内，基本实时。

5.2 特征库的索引优化

学生人数少的时候，线性比对没问题。但如果几百上千人，每次签到都要跟所有人比对一遍，速度就慢了。这时候可以用FAISS或者Annoy做近似最近邻搜索，把比对复杂度从O(n)降到O(log n)。

FAISS是Facebook开源的向量检索库，支持多种索引结构。对于几百人的规模，用IndexFlatL2就够了；上千人的话，可以用IndexIVFFlat，先聚类再检索，速度更快。

5.3 考勤统计与报表导出

签到数据积累起来之后，老师需要看统计报表。我加了一个导出功能，按课程、按日期、按学生三个维度生成Excel报表。用pandas做数据处理，openpyxl写Excel文件，几十行代码就能搞定。

报表内容包括：应到人数、实到人数、迟到人数、缺勤人数、签到时间分布。这些数据可以帮助老师了解学生的出勤规律，比如周一早上缺勤率是不是特别高。

5.4 后续可以扩展的功能

这个系统目前只做了基础签到，后面还可以加不少东西。比如：

• 迟到早退自动判定：设定课程开始时间，签到时间超过阈值自动标记为迟到。
• 请假审批流程：学生在线提交请假申请，老师审批后自动同步到考勤记录。
• 多课程管理：一个老师可能带多门课，每门课独立管理学生名单和签到记录。
• 移动端适配：把前端做成响应式，手机浏览器也能用。
• 数据可视化：用ECharts画签到率趋势图、学生出勤热力图。

这些扩展不需要改动核心识别模块，只需要在业务层加逻辑就行，这也是当初分层设计的好处。

5.5 部署上线的注意事项

如果要把这个系统真正部署到教室，有几个坑得提前避开。第一，摄像头的位置很关键，最好架在教室前方正中间，高度跟学生站立时的脸部齐平。第二，网络要稳定，如果后端部署在云端，教室的网络断了签到就停了，建议本地部署。第三，数据备份要做好，签到记录丢了很麻烦，我一般每天定时备份数据库到另一个目录。

还有一点，隐私问题得注意。人脸特征向量虽然不能直接还原出人脸图像，但仍然属于生物特征数据，存储和传输的时候要加密。我一般会用AES加密特征向量再存数据库，传输走HTTPS。

提示：如果学校有现成的统一身份认证系统，可以把学号跟认证系统对接，避免重复录入学生信息。但对接之前要确认数据使用的合规性，生物特征数据的采集和使用需要获得学生知情同意。

这个项目我从零开始搭，前后大概花了两周时间，其中大部分时间花在调阈值和处理各种边界情况上。人脸识别本身的技术栈已经很成熟了，真正的难点在于工程落地——光照、角度、多人、重复签到这些实际问题，才是决定系统好不好用的关键。如果你也在做类似的项目，建议先把基础流程跑通，再逐步优化各个环节，不要一上来就追求完美。