1、立项原因
传统课堂与企业的考勤方式长期依赖纸质名单、口头点名或刷卡签到，这些方式存在显著痛点：课堂点名耗时长，45分钟课程往往需花费5-10分钟用于点名，严重挤压教学时间；企业考勤中代签、冒签现象频发，考勤数据易被篡改，真实性难以保障；纸质记录事后统计工作量大，且无法实时掌握出勤动态。本系统旨在通过人脸识别技术实现无感知、高准确率的自动化签到签退，从根本上解决传统考勤效率低、可靠性差、数据管理困难的问题，同时支持签到与签退双重记录，满足课堂与企业对完整出勤轨迹的管理需求。
2、行业场景，业务背景
在教育领域，高校课堂规模不断扩大，百人以上大班教学已成常态，教师难以逐一识别学生，平时成绩评定缺乏客观依据；在企业领域，尤其是中大型公司，员工考勤管理涉及多个部门，HR需要花费大量时间核对考勤记录。随着深度学习与计算机视觉技术的成熟，人脸识别准确率已超过99%，具备规模化落地的技术基础。本系统面向高校课堂与企业办公两大场景，提供学生/员工自助签到签退、教师/管理员统一管理考勤记录、数据自动导出报表的完整解决方案，助力教育信息化与企业数字化管理升级。
1、项目有哪些具体功能模块
本系统包含九大核心模块：主窗口模块（创建主界面，连接学生端与教师端）、登录模块（验证用户名和密码）、学生信息录入模块（输入学生信息存储至数据库）、人脸录入模块（启动摄像头实时检测人脸并截图保存）、人脸识别签到模块（实时识别匹配学生信息并自动记录签到时间）、人脸识别签退模块（与签到逻辑一致，记录签退时间）、查看签到签退记录模块（学生端查看个人记录）、管理签到签退记录模块（教师端增删改所有学生信息及考勤状态）、输出签到签退记录模块（将数据导出为Excel表格）。
2、项目的主要功能描述
系统以PyQt5构建图形界面，SQLite作为本地数据库，OpenCV驱动摄像头进行人脸检测，LBPH算法完成特征提取与识别。学生端支持人脸录入（按s键保存样本）、一键签到（自动比对数据库并填充信息）、一键签退、查看个人历史记录；教师端支持查看全体学生的签到/签退状态及时间戳、添加新学生、删除学生、手动修改签到签退状态、将全部数据一键导出为Excel报表。系统实现了同屏多人人脸检测，识别间隔控制为2秒避免重复记录，且学生端与教师端可同时打开操作。
1、“我”负责哪些具体任务
本人独立完成了本系统的全部设计与开发工作，包括：需求分析与系统架构设计，绘制系统流程图；数据库表结构设计（学生信息表与考勤记录表合一）；PyQt5界面搭建，实现主窗口、登录窗口、学生端菜单、教师端菜单的完整交互逻辑；OpenCV人脸检测与LBPH人脸识别算法的集成与调参优化；摄像头实时视频流处理与键盘事件响应；SQLite数据库的增删改查操作及CSV文件读写；教师端表格控件（QTableWidget）的数据绑定与行编辑操作；签到签退时间自动获取与状态更新逻辑；最终实现CSV数据向Excel文件的导出转换，并完成全流程功能测试与调试。
2、项目使用了哪些技术栈、架构，实现上亮点、难点
技术栈方面：前端界面采用PyQt5，人脸检测使用OpenCV的Haar级联分类器，人脸识别基于OpenCV的LBPH（局部二值模式直方图）算法，数据持久层为SQLite数据库，数据交换格式为CSV，导出功能依赖openpyxl库实现Excel生成。架构上采用模块化设计，各功能封装为独立函数或类，通过信号槽机制解耦界面与业务逻辑。
实现亮点：一是签到签退双状态记录，完整还原出勤轨迹；二是教师端支持任意修改学生信息及考勤状态，灵活应对特殊情况；三是识别间隔控制策略（2秒输出一次）有效防止连续重复记录；四是同屏多人人脸框绘制与标签展示，用户体验直观。
难点方面：LBPH模型训练样本较少时识别率不稳定，需控制采集图像质量与数量；摄像头实时帧处理需兼顾性能与准确率，检测参数（scaleFactor、minNeighbors）需反复调优；PyQt主线程与视频循环的协调需避免界面卡顿，通过合理的事件循环设计解决了阻塞问题。
评论