摘要：针对市场上对人脸识别服务的需求，使用face_recongnition、dlib等框架设计了一套人脸识别解决方案，这套方案能够以较高的准确率对人脸进行检测、特征提取，然后进行匹配达到识别出身份的目的。

系统安装了Anaconda包管理器，考虑到计算机cpu性能限制，Anaconda中安装了基于gpu加速的tensorflow框架。本系统在人脸的识别、匹配以及对比上使用了face_recognition库，具有深度学习功能。该模型在Labeled Faces In The Wild基准中准确率达到了99.38%。在特征提取上，本系统采用了dlib库进行训练，训练出的模型准确度较高。训练和测试数据集选用了来自加州理工大学的Labeled  In The Wild数据集。对于这套解决方案，我们搭建了api介绍平台，允许访客对我们的方案进行体验，并给与评价和反馈。除此之外，我们还对这套人脸识别解决方案进行了一个生活化场景的应用，这个生活场景就是校园考勤。我们将人脸匹配应用到了身份验证，将人脸特征提取应用到了数据采集和识别上。本 系统的交互界面简洁、具有一定程度的艺术感，大大增加了用户友好性。

最终，对功能进行了测试。测试结果表明，这套系统可以对人脸进行检测、特征提取，进而可以进行身份认证。出于趣味，我们还额外增加一定程度的美颜效果。另外，在论文最后，我们对于本系统的不足和需要改进的地方做了较为清晰的展望。

关键词：人脸识别；特征提取；匹配；数据采集；考勤

目录

摘要

Abstract

1绪论-1

1.1研究背景-1

1.2国内外研究现状-1

1.3本课题研究的主要内容-2

1.4 本课题人脸识别方案原理-2

1.5软硬件需求-6

1.6总结-6

2系统分析-7

2.1业务分析-7

2.2需求分析-9

2.2.1 功能需求分析-9

2.2.2 非功能需求分析-10

2.3可行性分析-11

2.4本章小结-12

3系统总体设计-13

3.1架构设计-13

1.6系统框架设计-13

3.2功能模块设计-14

3.2.1 人脸识别API开放平台-14

3.2.2 人脸识别服务平台-15

3.2.3 人脸识别考勤应用平台-15

3.3 数据库设计-15

3.3.1数据库整体设计-16

3.3.2 数据库详细设计-17

3.4 接口设计-22

3.5 交互设计-23

3.6 安全性设计-26

3.7 本章小结-26

4系统详细设计-27

4.1对象设计-27

4.2功能模块设计-27

4.2.1 人脸识别API开放平台-27

4.2.2 人脸识别服务平台-31

4.2.3 人脸识别考勤应用平台-36

4.3本章小结-43

5系统实现与展示-44

5.1功能实现-44

5.1.1 人脸识别API开放平台-44

5.1.3 人脸识别服务平台-54

5.1.3 人脸识别考勤业务平台-55

5.2本章小结-62

6系统测试-63

6.1测试计划-63

6.2测试与结果分析-63

6.2.1功能测试-63

6.2.2非功能测试-71

6.3小结-72

结论-73

参 考 文 献-74

致 谢-76

附 录A-77

附 录B-82