摘要：針對市場上對人臉識別服務的需求，使用face_recongnition、dlib等框架設計了一套人臉識別解決方案，這套方案能夠以較高的準確率對人臉進行檢測、特征提取，然后進行匹配達到識別出身份的目的。

系統安裝了Anaconda包管理器，考慮到計算機cpu性能限制，Anaconda中安裝了基于gpu加速的tensorflow框架。本系統在人臉的識別、匹配以及對比上使用了face_recognition庫，具有深度學習功能。該模型在Labeled Faces In The Wild基準中準確率達到了99.38%。在特征提取上，本系統采用了dlib庫進行訓練，訓練出的模型準確度較高。訓練和測試數據集選用了來自加州理工大學的Labeled  In The Wild數據集。對于這套解決方案，我們搭建了api介紹平臺，允許訪客對我們的方案進行體驗，并給與評價和反饋。除此之外，我們還對這套人臉識別解決方案進行了一個生活化場景的應用，這個生活場景就是校園考勤。我們將人臉匹配應用到了身份驗證，將人臉特征提取應用到了數據采集和識別上。本 系統的交互界面簡潔、具有一定程度的藝術感，大大增加了用戶友好性。

最終，對功能進行了測試。測試結果表明，這套系統可以對人臉進行檢測、特征提取，進而可以進行身份認證。出于趣味，我們還額外增加一定程度的美顏效果。另外，在論文最后，我們對于本系統的不足和需要改進的地方做了較為清晰的展望。

關鍵詞：人臉識別；特征提取；匹配；數據采集；考勤

目錄

摘要

Abstract

1緒論-1

1.1研究背景-1

1.2國內外研究現狀-1

1.3本課題研究的主要內容-2

1.4 本課題人臉識別方案原理-2

1.5軟硬件需求-6

1.6總結-6

2系統分析-7

2.1業務分析-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本章小結-12

3系統總體設計-13

3.1架構設計-13

1.6系統框架設計-13

3.2功能模塊設計-14

3.2.1 人臉識別API開放平臺-14

3.2.2 人臉識別服務平臺-15

3.2.3 人臉識別考勤應用平臺-15

3.3 數據庫設計-15

3.3.1數據庫整體設計-16

3.3.2 數據庫詳細設計-17

3.4 接口設計-22

3.5 交互設計-23

3.6 安全性設計-26

3.7 本章小結-26

4系統詳細設計-27

4.1對象設計-27

4.2功能模塊設計-27

4.2.1 人臉識別API開放平臺-27

4.2.2 人臉識別服務平臺-31

4.2.3 人臉識別考勤應用平臺-36

4.3本章小結-43

5系統實現與展示-44

5.1功能實現-44

5.1.1 人臉識別API開放平臺-44

5.1.3 人臉識別服務平臺-54

5.1.3 人臉識別考勤業務平臺-55

5.2本章小結-62

6系統測試-63

6.1測試計劃-63

6.2測試與結果分析-63

6.2.1功能測試-63

6.2.2非功能測試-71

6.3小結-72

結論-73

參 考 文 獻-74

致 謝-76

附 錄A-77

附 錄B-82