基于Python的人脸识别系统毕设全流程实战：检测、特征提取与调优

每到毕业季，"基于Python的人脸识别系统"都是计算机相关专业里出现频率最高的毕设方向之一。题目看起来直白，网上也有大量现成开源代码，但真正自己动手做一遍，才发现它远不是"装个库、跑几行代码"那么简单：检测、对齐、特征提取、比对、阈值设定、界面、数据库、论文、答辩，一整条链路里几乎每个环节都有无数细节等你踩坑。这篇内容就是给正在做这个题目的同学准备的，也适合想把"人脸识别Demo"真正升级成"完整系统"的开发者。我会按自己做项目时的思路，把技术选型、数据准备、核心代码、调优经验和论文答辩的补强点完整拆开。

1. 看清毕设题目里的潜台词：识别系统不等于调API

1.1 毕设和产品Demo的本质区别

先想明白一件事：毕设题目里的每个词都有限制作用。"基于Python"限定了实现语言，"人脸识别系统"要求你交付的是一个能跑起来的系统，"深度学习"则明确告诉你技术路线要用神经网络，而不是用OpenCV的模板匹配或传统特征分类去糊弄事。

很多同学第一步就踩坑：直接调用某个人脸识别服务商的API，前端传一张照片，后端返回一个姓名。这样做的代码量可能只有几十行，开发周期也很短，但中期检查、毕业论文、答辩都会出大问题。导师问"你的模型是什么"、"损失函数怎么设计"、"训练数据从哪来"、"精度指标怎么算"，你一个都答不上来；论文里也没有实验对比，没有训练曲线，整个研究的可信度是零。更不用说毕设通常要求"工作量"饱满，一个纯粹调用接口的项目基本没有展示你个人能力的空间。

我个人的看法是：第三方API不是完全不能用，但你要把它定位成"系统集成的外部对比模块"，而不是核心技术。你的核心技术必须是"自己搭建的人脸检测、特征提取、特征比对链路"，这样论文里才能有东西可写，答辩时也才能站得住脚。

1.2 先给自己定下四个技术边界

做毕设最怕的是项目无限蔓延。人脸识别方向可以往下拆出活体检测、人脸修复、小样本学习、跨姿态识别等一堆子方向，如果什么都想加，三个月很快就没了。所以在动手写代码之前，先给项目定下清晰的边界。

这四个边界定完之后，你就能画出一个很清晰的项目地图：检测模块怎么做、特征模块怎么选、数据库怎么设计、实验怎么做。后面所有的动作都围绕这个地图展开，项目就不会跑偏。

2. 技术路线怎么定：传统特征工程和深度特征的取舍

2.1 人脸识别技术的三条路线

人脸识别这个方向从发展路径来看，大致可以分成三代技术路线。

第一代是手工特征加传统分类器。代表方案是Haar级联检测配合LBP直方图特征，或者直接做人脸子空间分析，典型算法有PCA（Eigenfaces）、LDA（Fisherfaces）。这条路线最大的问题是对光照、角度、表情变化非常敏感，稍微换个环境识别率就垮掉。但它有一个优点：原理清晰，代码量小，适合作为论文里的"传统方法对比基线"。

第二代是传统检测加深度学习特征。也就是用MTCNN这样的深度检测网络框出人脸，再用CNN提取特征向量，最后用余弦相似度做比对。这是目前工程里最常见、也最适合毕设的技术路线。

第三代是完全端到端的深度方案，比如大模型统一做人脸检测、识别、活体检测，效果更好，但训练成本高，部署复杂，对毕设来说反而不好讲清楚。

三条路线里，毕设最合适的顺序是：论文文献综述里把第一代到第三代都写清楚，项目中用第二代路线，实验部分把第一代方案作为baseline跑一组对比。这样既有技术深度，又不会把自己陷进大模型训练的无底洞。

2.2 为什么选"预训练模型+微调"而不是从零训练

好多人一听到"深度学习"就觉得必须自己训练模型，于是上网下载百万级人脸数据集，准备在实验室GPU上训练几个礼拜。这种想法在学术上是成立的，但对毕设来说完全不现实。

人脸识别模型从零训练需要的数据量一般在百万张到千万张级别，因为人脸类别数太多，每个身份都需要足够的正样本。训练时间动辄以周为单位，还要处理分布不均衡、难样本挖掘、角度姿态多样性等一系列问题。一个毕设周期只有几个月，前端界面和论文还要占掉一半时间，根本耗不起。

所以更合理的选择是：使用在大规模人脸数据集上预训练好的模型作为特征提取器，然后在自采的小规模数据上做评估，必要时对模型做小规模微调或直接冻结使用。这不是偷懒，而是工程界和人脸识别学术圈的普遍做法，术语叫迁移学习。你在论文里可以光明正大地把"基于预训练模型的迁移特征用于小样本场景下的身份识别"写成你的研究点，再补充一点域差异分析，这个题目就已经有研究价值了。

我还想提醒一点：冻结预训练模型不等于完全不做任何微调。如果你采集了足够多的自建数据，可以把最后几层解冻，用较低的学习率做几个epoch的微调。但人脸识别场景有一个特性——如果自建数据里只有十几个人，微调很容易让模型过度记住这批人的特征，反而损失泛化能力。所以我的实践经验是：如果数据量少于每类50张，微调前一定要做验证，否则就把模型完全冻结。

2.3 软硬件环境的基本盘

技术路线定好之后，环境就是个纯体力活。我建议直接用开源的深度学习框架和模型仓库，不需要自己写网络结构。

关于硬件，有NVIDIA GPU最好，CUDA + cuDNN配置好之后推理速度会快很多。没有GPU也完全能跑，MTCNN加FaceNet的推理在主流笔记本CPU上大概每帧几十毫秒到两百毫秒之间，配合跳帧策略，演示流畅度够用。毕设答辩现场一般不会用特别极端的算力环境，所以不要因为"没有GPU"而焦虑。

3. 数据才是效果的真正分水岭：采集、对齐与增强

3.1 公开数据集和自己采集的配合方式

刚开始做的时候，容易把全部注意力放在模型上，觉得"只要模型够强效果就够好"。实际上人脸识别系统掉链子的地方大多在数据上——注册照片和识别照片的差异太大，或者人脸没对齐，再强的模型也白搭。

公开数据集建议用两个：一个是LFW（Labeled Faces in the Wild），它包含5749个人的13233张人脸图片，常用于评价人脸识别模型的基准精度；另一个是WIDER FACE，主要做人脸检测性能评测。这两个数据集在论文里作为"评测数据集"引用就足够了。

自建数据集用来做系统演示和最终效果验证。采集方式很简单：找10到20个愿意配合的同学朋友，每人拍20到50张照片。拍摄时注意覆盖不同角度（正面、左右偏30度以内）、不同光照（室内自然光、灯光下、逆光边缘）、不同表情（正常、微笑、严肃）、戴眼镜和不戴眼镜。这些变化不是凑数，而是为了让系统在面对真实环境时更鲁棒。

目录结构建议这样组织：

dataset/ person_001/ 001_01.jpg 001_02.jpg person_002/ 002_01.jpg

所有图片统一缩放到统一短边分辨率，推荐640或720，这样检测阶段输入尺寸稳定，后续处理也更可控。

3.2 人脸对齐为什么影响这么大

很多人以为人脸检测框出来的那一块矩形可以直接送进特征提取网络，这是项目效果差的第一个根源。人脸的矩形框里，五官可能是有旋转的：头偏了30度，框里的眼睛一条高一条低；头仰起来，框里的下巴占比就很小。特征网络虽然有一定的姿态鲁棒性，但偏差超过一定范围，提取的特征向量就会明显漂移。

正确做法是在检测之后先做关键点定位和对齐。MTCNN除了输出矩形框，还会输出左眼、右眼、鼻尖、左嘴角、右嘴角五个关键点。利用这些关键点做仿射变换，把脸部旋转到标准位置并裁剪成固定尺寸（一般是112x112或160x160），再送进特征网络。

对齐的简化代码逻辑是：用双眼和鼻尖等关键点计算一个仿射变换矩阵，把原图中的关键点映射到标准模板位置，然后用OpenCV的warpAffine把人脸区域重采样成标准尺寸。这一步对整个系统的识别准确率影响极大，做了对齐和没做对齐，自采数据上的识别率可能差出十几个百分点。你可以在实验部分专门设计一组"有无对齐的对比测试"，这本身就是论文里一个很有说服力的实验。

3.3 数据增强的正确姿势

数据增强是提升模型泛化能力的常见手段。人脸方向常用的增强方式有：

• 水平翻转：人脸数据天然左右对称，翻转可以近似增加一倍的样本量
• 亮度扰动：模拟不同光照条件，幅度建议控制在±20%左右，太大会改变肤色语义
• 对比度和饱和度微调：增加环境丰富度
• 轻微高斯模糊：模拟远距离或轻微失焦的情况
• 随机遮挡：在脸部下方生成矩形黑块，模拟口罩或部分遮挡

但有一个关键提醒：如果你完全冻结预训练特征模型，增强的数据并不会参与训练迭代，所谓"增强"不会直接改变模型参数，它们只能用于扩充注册库，或者作为微调时的训练样本。想清楚这一点，你就不会为了"做增强"而做增强了。真正决定识别效果的，是注册阶段和识别阶段的人脸图像都经过同一条预处理管线：检测、对齐、缩放、归一化。

另外，不要对人脸做随机裁剪。裁剪会切掉耳朵、发际线或者下巴，反而破坏人脸的结构完整性，和人脸识别需要的全局五官关系相冲突。

4. 四个核心模块的代码拆解：检测、提取、注册、比对

4.1 人脸检测模块：MTCNN的级联思想

人脸检测模块负责在图像中找出人脸的位置和关键点。我推荐直接用facenet-pytorch库里的MTCNN实现，它的接口非常友好，一条代码就能完成检测。

from facenet_pytorch import MTCNN import cv2 device = 'cpu' # 有GPU改成'cuda' mtcnn = MTCNN(keep_all=False, post_process=False, device=device) img = cv2.imread('test.jpg') img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) boxes, probs, landmarks = mtcnn.detect(img_rgb, landmarks=True) if boxes is not None: x1, y1, x2, y2 = [int(v) for v in boxes[0]] left_eye, right_eye, nose, left_mouth, right_mouth = landmarks[0]

MTCNN由P-Net、R-Net、O-Net三个级联网络组成，思路是"从粗到细"：先用浅而快的P-Net在整张图上产生大量候选框，再用R-Net过滤掉大部分非人脸框，最后用O-Net精修边界并输出五官关键点。这种级联设计既保证了检测速度，又保证了精度。如果你的论文需要画网络结构图，按这三层级联去画就足够清晰了。

有一点要特别注意：OpenCV用imread读进来的是BGR顺序，MTCNN和很多深度学习模型内部使用的是RGB顺序，所以读取后必须做cv2.COLOR_BGR2RGB转换。这个错误非常隐蔽，因为在单张图上可能看不出来差别，但批量处理或者用某个预训练模型时，差一个通道顺序，特征就完全偏了。

4.2 特征提取模块：把脸映射成向量

特征提取模块是整个系统的核心。它的目标是把一张对齐后的人脸变成一串固定维度的浮点数向量，这个向量要满足一个性质：同一个人的两张脸提取出的向量距离近，不同人的向量距离远。

我建议使用FaceNet家族中的Inception-ResNet-v1，它在VGG Face 2数据集上预训练，输出512维特征向量，加载方式如下：

import torch from facenet_pytorch import InceptionResnetV1 model = InceptionResnetV1(pretrained='vggface2').eval() model = model.to(device) # face是经过检测和对齐后裁出的112x112人脸图像，形状为(H, W, 3) face_tensor = torch.tensor(face, dtype=torch.float32).permute(2, 0, 1).unsqueeze(0) / 255.0 embedding = model(face_tensor.to(device)).cpu().detach().numpy()[0] # L2归一化 norm = np.linalg.norm(embedding) embedding = embedding / norm

L2归一化这一步非常关键。归一化之后向量的模长变成1，余弦相似度就等于直接做点积，计算简洁，数学解释也更优雅。这正好是答辩时老师可能问到的问题："你为什么用余弦相似度，不用欧氏距离？"——因为人脸特征经过归一化后，余弦相似度等同于向量内积，度量的是方向一致性，对特征向量的缩放不敏感，不同模型导致的特征尺度差异不会干扰比较结果。

4.3 注册模块：特征入库

注册就是把某个人的名字和他的人脸特征关联起来，存进数据库。这一步的输入可以是摄像头实时抓拍的一张正脸，也可以是批量导入的照片。不管哪种方式，处理流程都是固定的：检测人脸、对齐、提取特征、归一化、写入数据库。

使用SQLite存储时，我建议把特征向量存成二进制格式，同时保留一张注册原图的文件路径，方便系统界面展示"人脸库"效果。

import sqlite3 import numpy as np def register_person(name, embedding, photo_path): conn = sqlite3.connect('face_system.db') cur = conn.cursor() cur.execute( "INSERT INTO users(name, photo_path, created_at) VALUES(?,?,?)", (name, photo_path, datetime.now().strftime('%Y-%m-%d %H:%M:%S')) ) user_id = cur.lastrowid cur.execute( "INSERT INTO face_features(user_id, embedding) VALUES(?,?)", (user_id, embedding.astype(np.float32).tobytes()) ) conn.commit() conn.close()

选SQLite而不是MySQL，原因有二：一是毕设系统通常不需要高并发，SQLite单文件就够用，部署和演示都方便；二是SQLite没有独立进程，代码在哪个机器都能跑，不会因为环境问题在答辩现场自爆。

为什么不直接存识别后的图片而要存特征向量？因为识别阶段每来一张图只需要算一次向量和库里的向量做比对，不需要反复读大图；另一方面，特征向量经过L2归一化后很难反推出原始人脸图像，从隐私角度来说也更安全，这一点也能写进论文的"数据安全"讨论里。

4.4 比对模块：余弦相似度与阈值

识别时，先把当前画面里的人脸变成特征向量，然后跟数据库里所有人脸的向量两两计算余弦相似度，取最高分作为候选结果。如果最高分的分值低于设定的阈值，就判定为"未注册人员"。

from numpy import dot from numpy.linalg import norm def cosine_similarity(a, b): return float(dot(a, b) / (norm(a) * norm(b))) def recognize(embedding, threshold=0.70): rows = cursor.execute("SELECT user_id, embedding FROM face_features").fetchall() best_score = -1.0 best_user = None for user_id, emb_blob in rows: db_emb = np.frombuffer(emb_blob, dtype=np.float32) score = cosine_similarity(embedding, db_emb) if score > best_score: best_score = score best_user = user_id if best_score >= threshold: return best_user, best_score else: return None, best_score

阈值的选择不能拍脑袋。建议拿一批注册照片和一批陌生人照片，统计两类比对得分的分布：同一人的相似度通常集中在0.7到0.95，不同人的相似度通常集中在0.3到0.6。取一个能分开两座山的中间值作为初始阈值，然后在实测里微调。

5. 实测调优记录：光线、速度、阈值这些隐藏扣分项

5.1 准确率上不去的常见原因

我自己调试这类系统时总结过一套"自查顺序"，遇到效果不好，按这个顺序排查基本都能找到病根：

• 注册照片质量差：模糊、侧脸、表情夸张，这些图提取出来的本身就不是优质特征
• 识别照片里人脸尺度太小：检测框只有几十像素，特征提取器无法捕捉足够细节
• 没有对齐就直接送网络：特征分布整体偏移，相似度分数整体降低
• 光线差异过大：注册是在正常室内光，识别是逆光，人脸阴影显著，特征漂移明显
• 背景过度复杂：检测框把大量背景卷进来，干扰特征提取

其中"没有对齐"和"注册照片质量差"是占比最高的两个原因。不要一上来怀疑模型版本不够新，先把数据管线捋顺。

5.2 我在实测中踩过的三个坑

第一个坑是颜色通道顺序。最开始我直接用cv2.imread读图喂给MTCNN，发现人脸检测框时有时无，后来才意识到OpenCV是BGR格式，而模型期望的是RGB。排查办法也很简单：把同一张图的处理结果分别打印出来看，或者在界面上单独显示转换前后的图，一眼就能发现颜色发蓝的问题。

第二个坑是检测框里的"人脸区域"和"对齐后人脸"是两回事。某次我发现同一个人两张照片的相似度只有0.55，怎么调阈值都没用。后来把注册链路拆开打印中间结果，才发现第二张照片的头是歪的，关键点检测出来了，但没有做仿射变换，直接把歪的人脸裁下来送进了网络。加了对齐之后，相似度立刻升到0.86。

第三个坑是视频流里识别框来回跳。原因很简单：每帧都重新做全流程检测和识别，模型输出的框在帧与帧之间有抖动，于是界面上人脸框轻微颤动。解决方式是加跳帧检测，比如每3帧做一次完整检测，中间帧直接沿用上一帧的框坐标；识别结果再做滑动平均或"最近N帧出现次数最多的人"作为最终结论，这样演示效果会稳定很多。

5.3 性能优化和帧率控制

人脸识别系统要想在答辩现场演示流畅，必须有性能控制意识。我实测下来比较有效的优化有四个：

• 把摄像头输入帧缩放到640或720宽度再送检测，没必要在1080p上跑检测
• 检测和识别分离频率：每3到5帧做一次检测，检测通过且人脸框稳定时再做特征提取识别
• 把模型切换到FP16半精度推理，速度提升明显且精度损失很小
• 用队列和子线程处理推理，不阻塞界面渲染

如果你只有CPU，演示时可以把识别频率进一步降低，或者让用户先在界面里点"拍照识别"而不是实时识别，效果也一样可以接受。

5.4 阈值和置信度：用实验数据说话

不少人的论文里写"系统识别准确率95%"，但完全没有说明这个数字是在什么条件下、用什么阈值得到的。这种表述在盲审和答辩时非常容易被质疑。

我在实验阶段的做法是：把自建数据集按身份分成"注册组"和"测试组"，注册组每人用5到10张照片入库，测试组每人选10张不同场景下的照片进行识别；然后分别统计不同阈值下正确识别率、误识率和拒识率，做成一个三列表。哪一行误识率低于2%且正确识别率最高，阈值就选哪里。把这张表直接放进论文"实验结果与讨论"，答辩时老师怎么看都觉得严谨。

这里补充一个细节：不同场景下的最优阈值会有差异。如果现场光线好、摄像头固定、拍摄距离稳定，阈值可以收紧一些；如果演示环境灯光复杂、人总是来回走动，就适当放宽。演示前我一般会在答辩教室先跑一遍，记录现场的相似度分布再临时微调阈值。

6. 从脚本到系统：界面、数据库和可演示的完整闭环

6.1 系统架构一览

把零散的脚本组装成系统，关键是要分清层次。我搭的系统分五层：

• 数据采集层：摄像头实时帧、文件图片上传
• 图像处理层：检测、对齐、特征提取、归一化
• 数据存储层：SQLite数据库，存储用户表、特征向量表、识别日志表
• 业务逻辑层：注册、识别、日志查询、阈值配置
• 展示层：PyQt5界面，显示视频画面、识别结果、历史记录

层次之间尽量解耦。图像处理层不要直接操作界面控件，业务逻辑层只和数据库交互，这样后面换任何一层都不会波及全盘。论文里的架构图也完全可以照这个结构画。

6.2 GUI界面：PyQt5和OpenCV视频流整合

界面我推荐PyQt5，原因是它和OpenCV配合非常顺，用QTimer定时读取摄像头帧，转成QImage后显示在QLabel上，几行代码就能跑起来。

from PyQt5.QtCore import QTimer from PyQt5.QtGui import QImage, QPixmap import cv2 class CameraWidget: def start_camera(self): self.cap = cv2.VideoCapture(0) self.timer = QTimer() self.timer.timeout.connect(self.update_frame) self.timer.start(33) # 约30FPS def update_frame(self): ret, frame = self.cap.read() if not ret: return frame_rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB) h, w, ch = frame_rgb.shape qimg = QImage(frame_rgb.data, w, h, ch * w, QImage.Format_RGB888) self.label.setPixmap(QPixmap.fromImage(qimg))

有个非常容易忽略的点：不要在update_frame这个槽函数里直接做推理，因为QTimer跑在UI线程，推理耗时几十毫秒到几百毫秒，会导致界面明显卡顿。正确做法是把推理丢给QThread或concurrent.futures线程池，推理完成后通过信号把结果显示到界面上。这个细节不仅影响演示体验，也是论文里"系统设计"部分可以写的技术点。

注册按钮的逻辑一般是：用户输入姓名，系统从当前帧中检测人脸，提取特征，保存到数据库，并在界面上显示注册成功。识别按钮类似：从当前帧中提取特征，和库中特征比对，显示姓名和相似度。

6.3 数据库和识别记录表设计

除了用户表和特征表，强烈建议再加一张识别日志表。

CREATE TABLE users ( id INTEGER PRIMARY KEY AUTOINCREMENT, name TEXT NOT NULL, photo_path TEXT, created_at TEXT ); CREATE TABLE face_features ( id INTEGER PRIMARY KEY AUTOINCREMENT, user_id INTEGER, embedding BLOB, FOREIGN KEY(user_id) REFERENCES users(id) ); CREATE TABLE recognition_logs ( id INTEGER PRIMARY KEY AUTOINCREMENT, user_id INTEGER, similarity REAL, result TEXT, timestamp TEXT, screenshot_path TEXT );

识别日志在答辩现场特别有用。你可以提前演示"识别记录查询"功能，展示系统曾经正确识别过哪些人，界面上一页一页翻记录；也可以导出某个人一段时间内的签到时间变化。这立刻让系统从"一个算法Demo"升级成了"一个有实际管理价值的信息系统"，是工作量评价里实实在在的加分项。

6.4 演示时最容易翻车的地方

结合过往经验，我把现场演示最容易出问题的几个点列出来，提前踩过总比现场翻车强：

• 摄像头设备号问题：有的笔记本0是内置摄像头，有的外接摄像头是1或2，代码里最好做成可配置项，现场能调
• 中文路径问题：OpenCV读中文路径有时会失败，项目文件夹、数据库路径、模型路径统一用英文
• PyInstaller打包丢失模型：模型文件不属于Python代码，打包时要把.pt模型文件放进data目录，并在代码里使用动态路径
• 模型加载慢：FaceNet模型加载可能需要几秒钟，演示前先运行一次，把模型预热
• 现场光线不稳定：提前固定摄像头位置、尽量让正脸正对镜头，减少角度过大的测试

除此之外，照片攻击是个好话题。打印一张某人的照片对着摄像头，系统很可能识别通过，这时候老师会追问"怎么防止伪造"。答辩前我建议至少加一道简单的"眨眼检测"或者"要求屏幕内人脸面积大于某个阈值才算有效"的逻辑。即使实现很粗糙，也能体现你对系统安全性的思考。

7. 论文呈现和答辩表达的几个补强点

7.1 论文里的技术路线图和模块流程怎么写

技术路线部分要画出完整的处理链路，而不是堆一堆专业名词。我的建议是分三层画：

最上层是数据层，包括公开数据集、自建数据集、摄像头采集图像；中间层是算法层，包括人脸检测、关键点定位、仿射对齐、特征提取、归一化、相似度计算；最下层是应用层，包括用户注册、实时识别、识别日志管理。三层之间用箭头标出数据流向，一张图讲清楚整个系统流程。

模块流程部分重点写清楚两条业务路径：注册路径（摄像头或本地图片→检测→对齐→特征提取→入库）和识别路径（实时帧→检测→对齐→特征提取→比对→返回结果）。这两条路径每个环节对应论文一节的"算法实现"内容，结构非常清晰。

7.2 实验数据怎么呈现才像"研究"

很多毕设论文的实验部分只有一张"识别率98%"的截图，这太单薄了。有说服力的实验至少应该包含三组对比：

第一组是模型对比：传统PCA方法、传统LBP方法、深度学习特征方法，跑在同一个自建数据集上，对比识别率。第二组是预处理消融：有对齐和无对齐、有归一化和无归一化，对比识别率差异。第三组是阈值分析：不同阈值下正确识别率、误识率、拒识率的表格。这几组实验都不难做，代码都是现成的，但呈现出来效果完全不同——它向评审者展示了你对系统每个环节的理解，而不仅仅是用了一个模型。

实验表格举个例子：

这种表格放在论文里，老师一眼就能看出你做了大量测试，工作量是实打实的。

7.3 答辩追问的参考问题与思路

答辩被追问是正常现象，老师重点看的是你有没有真正理解系统，而不是背熟了多少概念。我整理了几个高频问题，提前准备好思路：

为什么用余弦相似度而不是欧氏距离？答：因为特征向量经过L2归一化后，余弦相似度就是向量点积，度量的是特征方向的一致性，对向量模长不敏感；欧氏距离会受特征向量整体缩放的影响，而不同照片提取的特征在模长上天然有波动。

阈值0.7是怎么得到的？答：不是拍脑袋定的，而是在自建数据集上统计同一人相似度分布和不同人相似度分布之后，选择能让误识率低于2%的分界值，并且用多组对比实验验证了这个阈值在目标场景下的稳定性。

训练数据里没有某个人，怎么识别？答：人脸识别本质上是提取身份特征，注册阶段把新身份的特征存入数据库，识别阶段比较当前特征和库中特征的相似度；不需要模型在训练时见过这个人。这也正是人脸识别和分类任务的区别。

如何防止照片骗过系统？答：基础方案是加入活体检测模块，比如检测眨眼、头部转动或口型变化；更严格的方案是用深度活体检测网络分析皮肤纹理和反射差异。同时系统可以要求采集画面的人脸面积大于某个阈值，降低用手机屏幕或打印纸攻击的成功概率。

有一个隐藏加分项：主动提数据隐私。你可以说系统只保存特征向量而不保存可恢复的原始人脸图，特征向量不可逆推原图，数据库本地存储不联网上传。这个表述在当下对AI伦理和隐私保护非常敏感的评审环境里，会让老师觉得你有工程落地意识。

最后再说几句实在的

做完这个项目之后，我最大的体会是：毕设和真正的产品之间差的不是模型精度，而是"你是否愿意把每个环节的细节都搞清楚"。调试日志一定要及时留档，今天发现的坑、解决的思路、调完阈值之后的相似度分布，顺手记在文档里，后面写论文的时候这些就是第一手素材。之前我没养成这个习惯，结果写"实验结果"一章时才回头补数据，补得很痛苦。

再分享一个小技巧：在演示系统之前，先在答辩教室里做一次完整走场——开机、加载模型、注册一个临时用户、识别五次、查看识别日志，每一步都顺一遍。这个小动作看着不起眼，但它能帮你过滤掉绝大多数现场翻车的风险，比如摄像头没识别、模型加载路径出错、数据库被占用这类问题。很多人答辩发挥不稳，根源往往不是"没时间准备"，而是"没有提前跑过一遍真实环境"。

至于扩展方向，这个系统做完之后可以直接加两个模块：一个是基于摄像头帧序列的临时追踪，另一个是把简单眨眼检测升级成完整活体识别。这两个方向章法都是现成的，往里填实现就行。这样整篇论文的逻辑就从"一个识别Demo"变成了"一个具备安全意识的完整人脸识别系统"，分量完全不一样。