尧图网站建设 
简介这份资源是一套可直接运行的CNN人脸识别考勤系统面向深度学习入门者、课程设计或毕业设计开发者帮助快速搭建从人脸采集到考勤记录落地的完整方案。压缩包共4848个文件以4835张jpg人脸图像构成训练与测试数据集另含8个py脚本负责模型训练与推理、1个h5预训练模型文件、1个ui界面文件及xml配置整体约108.06MB开箱即可运行。资源围绕卷积神经网络的特征提取与预训练模型微调展开涵盖图像预处理、人脸匹配、认证决策与考勤记录等环节并涉及数据增强、批量归一化等防过拟合思路。目前已有309人学习下载适合希望跳过繁琐环境配置、直接观察模型效果并在此基础上二次开发的读者参考。1. 拆开一个能跑的 CNN 人脸考勤包预训练模型到底省了哪几步如果你拿到的是一个只有face.model.h5加几张 jpg 的压缩包第一反应大概率是「这玩意儿能跑吗」。我拆过不少类似的小包结论是能跑但前提是你得先搞清楚它把哪部分工作替你做了。这个包的核心是一个基于 CNN 的人脸识别考勤系统里面带了一个已经训练好的face.model.h5权重文件配合若干张人脸样本图12.jpg、225.jpg、232.jpg 这类走的是「预训练模型提特征 特征比对」的路子而不是让你从零训一个卷积网络。它解决的是最实际的问题小团队、课程设计、内部 Demo 场景下没有大规模人脸数据集、没有多卡机器也想在半天内把「刷脸签到」跑通。适合谁适合要交课程设计的学生、要给客户演示原型的一线开发以及想搞明白 CNN 人脸识别完整链路但不想被训练成本劝退的工程师。不适合谁不适合要上生产、要扛几千人并发的场景那是另一套工程。2. 预训练模型 H5 权重这套 CNN 考勤系统的技术底座2.1 为什么是「预训练 微调」而不是从零训练人脸识别这件事从零训练一个 CNN 的成本高得离谱。你得有几十万张带标注的人脸、几十小时 GPU 时间还得调学习率、批大小、数据增强策略任何一环翻车都可能导致模型不收敛。预训练模型的价值就在于它已经在大规模人脸数据集上学会了「什么是人脸特征」这件事你拿到的face.model.h5就是这份能力的固化结果。常见做法是拿一个在 ImageNet 或专门人脸数据集上训过的骨干网络比如 VGGFace、FaceNet 这类结构把最后的分类层换掉用你自己的人脸样本做微调。但这个包更省事——它直接把训练好的.h5给你了你连微调都可以先跳过直接拿它做推理。这就是「可以直接运行」的真实含义不是模型不用管而是训练环节被前置完成了。这里要区分两个概念。特征提取器负责把一张人脸图变成一串高维向量分类头负责判断这串向量属于谁。预训练模型通常把特征提取器训得很好分类头则依赖你的数据。这个包里face.model.h5大概率是两者都打包了所以你能直接加载做预测。理解这一点后面排查问题时才不会抓瞎。2.2 加载模型与读图最小可运行代码先别急着搭界面第一步是确认模型能加载、图片能读进来。下面这段是验证环境是否就绪的最小代码import numpy as np from tensorflow.keras.models import load_model from tensorflow.keras.preprocessing import image # 加载预训练权重compileFalse 避免因缺少自定义层报错 model load_model(face.model.h5, compileFalse) model.summary() # 打印网络结构确认输入尺寸和输出维度 # 读取一张人脸样本target_size 必须和模型输入一致 img image.load_img(12.jpg, target_size(224, 224)) arr image.img_to_array(img) / 255.0 # 归一化到 0-1 arr np.expand_dims(arr, axis0) # 增加 batch 维度 pred model.predict(arr) print(输出维度:, pred.shape) print(预测结果:, np.argmax(pred), 置信度:, np.max(pred))逻辑说明load_model的compileFalse是个关键参数很多.h5只存了权重和结构、没存优化器状态带 compile 加载会直接抛错。target_size必须和训练时的输入尺寸对齐常见是 224×224 或 160×160尺寸不对模型不会报错但结果会离谱。np.expand_dims那一步是把单张图凑成 batch1CNN 的输入永远带 batch 维度漏了这步会提示维度不匹配。参数说明归一化除以 255 是最常见的做法但如果你的模型训练时用的是preprocess_input比如某些骨干网络要求减均值这里就得换成对应函数否则精度会掉。argmax拿到的是类别索引max拿到的是置信度这两个值后面做考勤判定都要用。2.3 从单张预测到考勤判定阈值怎么定单张预测只能告诉你「这张图最像谁」考勤系统要的是「是不是本人」。这中间差一个阈值判定。常见做法是设一个置信度下限比如 0.75低于这个值就判为「未注册人员」不记录考勤。THRESHOLD 0.75 def recognize(arr, model, thresholdTHRESHOLD): pred model.predict(arr, verbose0) idx np.argmax(pred) conf float(np.max(pred)) if conf threshold: return None, conf # 置信度不足拒绝识别 return idx, conf # 返回身份和置信度阈值不是拍脑袋定的。太低会误识把陌生人放进来太高会拒识本人刷半天刷不上。我一般会拿几张本人图和几张陌生人图各跑一遍看两类样本的置信度分布把阈值卡在中间偏本人一侧。这个包里样本图不多正好可以拿 12.jpg、225.jpg 这些当正样本随便找张风景图当负样本跑一遍就有感觉了。提示如果所有样本的置信度都异常接近比如全在 0.5 附近大概率是输入尺寸或归一化方式和训练时不一致先回去核对 2.2 里的参数别急着调阈值。3. 把识别接进考勤流程图像采集、预处理与记录落库3.1 摄像头采集与预处理链路Demo 阶段用笔记本摄像头就够了OpenCV 是最省事的选择。采集到的帧不能直接喂给模型中间要过一遍预处理这一步和 2.2 里的读图逻辑必须完全一致否则线上线下两套结果。import cv2 import numpy as np cap cv2.VideoCapture(0) # 0 是默认摄像头外接设备改成 1 while True: ret, frame cap.read() if not ret: break # 人脸检测先用 Haar 级联框出人脸区域 gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces cv2.CascadeClassifier( cv2.data.haarcascades haarcascade_frontalface_default.xml ).detectMultiScale(gray, 1.3, 5) for (x, y, w, h) in faces: roi frame[y:yh, x:xw] roi cv2.resize(roi, (224, 224)) roi cv2.cvtColor(roi, cv2.COLOR_BGR2RGB) # OpenCV 是 BGR模型要 RGB arr roi.astype(float32) / 255.0 arr np.expand_dims(arr, axis0) idx, conf recognize(arr, model) label fID:{idx} {conf:.2f} if idx is not None else Unknown cv2.rectangle(frame, (x, y), (xw, yh), (0, 255, 0), 2) cv2.putText(frame, label, (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2) cv2.imshow(Attendance, frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()逻辑说明detectMultiScale的1.3是缩放步长5是邻域阈值这两个参数直接决定检测灵敏度和误检率。步长调小检测更细但更慢邻域调大误检少但可能漏脸。cv2.cvtColor那一步是血泪经验——OpenCV 读进来是 BGR 通道模型训练时用的是 RGB不转换的话识别率会莫名其妙地低而且不报错纯玄学问题。参数说明resize的目标尺寸必须和模型输入一致。astype(float32)是为了避免整数除法虽然 Python3 里/已经是浮点但显式转换更稳。3.2 考勤记录落库SQLite 够用Demo 阶段别上 MySQLSQLite 一个文件搞定零配置。记录表设计得简单点谁、什么时候、签到还是签退。import sqlite3 from datetime import datetime conn sqlite3.connect(attendance.db) conn.execute(CREATE TABLE IF NOT EXISTS records ( id INTEGER PRIMARY KEY AUTOINCREMENT, person_id INTEGER, name TEXT, check_time TEXT, check_type TEXT )) def log_attendance(person_id, name, check_typein): now datetime.now().strftime(%Y-%m-%d %H:%M:%S) conn.execute( INSERT INTO records (person_id, name, check_time, check_type) VALUES (?,?,?,?), (person_id, name, now, check_type) ) conn.commit()逻辑说明CREATE TABLE IF NOT EXISTS保证重复运行不报错。check_type区分签到签退实际业务里通常按当天第一次识别算签到、最后一次算签退这里先留字段逻辑后面补。参数说明时间用字符串存格式统一成YYYY-MM-DD HH:MM:SS方便后面按天查询和排序。person_id对应模型输出的类别索引name是映射表里查出来的别把索引直接当名字用。3.3 防重复签到一个容易被忽略的细节摄像头是连续采集的同一个人站在镜头前会被识别几十次如果每次都写库考勤记录会瞬间爆炸。常见做法是加一个时间窗口同一个人 N 秒内只记一次。import time last_seen {} # {person_id: timestamp} def should_log(person_id, cooldown30): now time.time() if person_id in last_seen and now - last_seen[person_id] cooldown: return False last_seen[person_id] now return True逻辑说明cooldown设 30 秒意味着同一个人半分钟内只记一次。这个值按场景调签到场景可以设长一点实时监控场景设短一点。参数说明last_seen用字典存内存里进程重启就清空Demo 够用。要持久化就写进数据库或 Redis但那是另一个量级的事了。4. 避坑与排查这套包最容易翻车的五个地方4.1 加载 .h5 报 Unknown layer 或自定义层错误现象load_model直接抛ValueError: Unknown layer或者提示某个自定义层找不到。原因.h5里用了自定义层或自定义损失函数Keras 加载时不知道这些类的定义。很多从网上扒的模型都有这问题。解决先试compileFalse能绕过大部分优化器相关的报错。如果还不行就得找到定义自定义层的源码用custom_objects参数传进去。实在找不到源码用tf.keras.models.load_model配合safe_modeFalse试试但要注意安全风险只加载可信来源的模型。4.2 识别结果全是同一个 ID现象不管喂谁的图argmax出来的都是同一个类别置信度还挺高。原因八成是输入预处理和训练时不一致。最常见的是归一化方式错了——训练时用了preprocess_input减均值除标准差你只除了 255或者通道顺序反了BGR 当 RGB 喂进去。解决回去核对训练脚本里的预处理代码一行一行对齐。没有训练脚本就试几种常见组合除以 255、减 127.5 再除 128、用对应骨干网络的preprocess_input。通道顺序用cv2.cvtColor转成 RGB 再试。4.3 摄像头画面卡顿、识别延迟高现象视频流一卡一卡的识别结果要等好几秒才出来。原因每帧都跑一次模型推理CNN 前向传播本身就吃算力加上 Haar 检测也耗时帧率自然上不去。解决别每帧都识别。常见做法是每隔 N 帧识别一次中间帧只做显示。或者把检测和识别拆开检测用轻量级方法跑高频识别降频跑。CPU 推理慢的话考虑用tf.lite转成轻量格式或者换更小的输入尺寸。4.4 置信度阈值怎么调都不对现象调低了陌生人能刷进来调高了本人刷不上怎么都不舒服。原因模型输出的置信度分布和你的场景不匹配或者样本太少导致分布估计不准。解决别只调阈值先看分布。把本人图和陌生人图各跑一批打印置信度画个直方图。如果两类分布重叠严重说明模型本身区分度不够这时候调阈值是治标。可以考虑用特征向量做余弦相似度比对而不是依赖 softmax 输出后者在类别少的时候区分度更好。4.5 换台机器就跑不起来现象在自己电脑上好好的拷到别人机器上各种报错。原因依赖版本不一致。TensorFlow、Keras、OpenCV、NumPy 的版本组合很敏感尤其是 TF 2.x 和 Keras 的版本对应关系。解决把依赖版本固定下来写进requirements.txt。常见组合是tensorflow2.10.0配numpy1.24OpenCV 用opencv-python4.8.0.74这类稳定版。别用pip install tensorflow不带版本号那是在赌运气。5. 进阶技巧用特征向量替代分类头做比对前面走的是「模型直接输出类别」的路子简单但有个硬伤加一个新员工就得重新训练或微调模型否则模型根本不认识这个新类别。实际考勤场景里人员是流动的这个硬伤很致命。更实用的做法是把face.model.h5当纯特征提取器用取倒数第二层的输出作为人脸特征向量然后做向量比对。这样加人不用重训往特征库里塞一条记录就行。from tensorflow.keras.models import Model # 取倒数第二层作为特征输出层具体层名用 model.summary() 查 feature_layer model.layers[-2].output feature_extractor Model(inputsmodel.input, outputsfeature_layer) def get_embedding(arr): vec feature_extractor.predict(arr, verbose0) return vec / np.linalg.norm(vec) # L2 归一化方便算余弦相似度 def cosine_sim(a, b): return float(np.dot(a, b)) # 归一化后点积即余弦相似度逻辑说明model.layers[-2]是倒数第二层通常是全连接层之前的特征层具体位置因网络结构而异用model.summary()确认。L2 归一化之后两个向量的点积就是余弦相似度省去除法。参数说明比对阈值一般设在 0.6 到 0.8 之间具体看特征分布。注册新员工时把他的特征向量存进一个字典或数据库识别时遍历算相似度取最大值超过阈值就判为本人。方案加新人员精度实现复杂度分类头直接输出需重训/微调类别少时高低特征向量比对直接入库取决于特征质量中这个表是我踩过坑之后总结的。分类头方案在类别固定时确实省事但一旦人员变动就得推倒重来。特征向量方案前期多写几十行代码后期省下的是反复训练的时间。我现在的习惯是只要项目有「人员会变」的可能一律走特征向量路线哪怕一开始只有五个人。从那以后我每次拿到带.h5的包第一件事不是跑预测而是先model.summary()看结构、确认特征层位置再决定走哪条路。这个习惯帮我省了至少三次返工。希望帮到你。本文还有配套的精品资源点击获取 CNN人脸识别考勤系统实战：预训练模型+H5权重快速搭建
简介这份资源是一套可直接运行的CNN人脸识别考勤系统面向深度学习入门者、课程设计或毕业设计开发者帮助快速搭建从人脸采集到考勤记录落地的完整方案。压缩包共4848个文件以4835张jpg人脸图像构成训练与测试数据集另含8个py脚本负责模型训练与推理、1个h5预训练模型文件、1个ui界面文件及xml配置整体约108.06MB开箱即可运行。资源围绕卷积神经网络的特征提取与预训练模型微调展开涵盖图像预处理、人脸匹配、认证决策与考勤记录等环节并涉及数据增强、批量归一化等防过拟合思路。目前已有309人学习下载适合希望跳过繁琐环境配置、直接观察模型效果并在此基础上二次开发的读者参考。1. 拆开一个能跑的 CNN 人脸考勤包预训练模型到底省了哪几步如果你拿到的是一个只有face.model.h5加几张 jpg 的压缩包第一反应大概率是「这玩意儿能跑吗」。我拆过不少类似的小包结论是能跑但前提是你得先搞清楚它把哪部分工作替你做了。这个包的核心是一个基于 CNN 的人脸识别考勤系统里面带了一个已经训练好的face.model.h5权重文件配合若干张人脸样本图12.jpg、225.jpg、232.jpg 这类走的是「预训练模型提特征 特征比对」的路子而不是让你从零训一个卷积网络。它解决的是最实际的问题小团队、课程设计、内部 Demo 场景下没有大规模人脸数据集、没有多卡机器也想在半天内把「刷脸签到」跑通。适合谁适合要交课程设计的学生、要给客户演示原型的一线开发以及想搞明白 CNN 人脸识别完整链路但不想被训练成本劝退的工程师。不适合谁不适合要上生产、要扛几千人并发的场景那是另一套工程。2. 预训练模型 H5 权重这套 CNN 考勤系统的技术底座2.1 为什么是「预训练 微调」而不是从零训练人脸识别这件事从零训练一个 CNN 的成本高得离谱。你得有几十万张带标注的人脸、几十小时 GPU 时间还得调学习率、批大小、数据增强策略任何一环翻车都可能导致模型不收敛。预训练模型的价值就在于它已经在大规模人脸数据集上学会了「什么是人脸特征」这件事你拿到的face.model.h5就是这份能力的固化结果。常见做法是拿一个在 ImageNet 或专门人脸数据集上训过的骨干网络比如 VGGFace、FaceNet 这类结构把最后的分类层换掉用你自己的人脸样本做微调。但这个包更省事——它直接把训练好的.h5给你了你连微调都可以先跳过直接拿它做推理。这就是「可以直接运行」的真实含义不是模型不用管而是训练环节被前置完成了。这里要区分两个概念。特征提取器负责把一张人脸图变成一串高维向量分类头负责判断这串向量属于谁。预训练模型通常把特征提取器训得很好分类头则依赖你的数据。这个包里face.model.h5大概率是两者都打包了所以你能直接加载做预测。理解这一点后面排查问题时才不会抓瞎。2.2 加载模型与读图最小可运行代码先别急着搭界面第一步是确认模型能加载、图片能读进来。下面这段是验证环境是否就绪的最小代码import numpy as np from tensorflow.keras.models import load_model from tensorflow.keras.preprocessing import image # 加载预训练权重compileFalse 避免因缺少自定义层报错 model load_model(face.model.h5, compileFalse) model.summary() # 打印网络结构确认输入尺寸和输出维度 # 读取一张人脸样本target_size 必须和模型输入一致 img image.load_img(12.jpg, target_size(224, 224)) arr image.img_to_array(img) / 255.0 # 归一化到 0-1 arr np.expand_dims(arr, axis0) # 增加 batch 维度 pred model.predict(arr) print(输出维度:, pred.shape) print(预测结果:, np.argmax(pred), 置信度:, np.max(pred))逻辑说明load_model的compileFalse是个关键参数很多.h5只存了权重和结构、没存优化器状态带 compile 加载会直接抛错。target_size必须和训练时的输入尺寸对齐常见是 224×224 或 160×160尺寸不对模型不会报错但结果会离谱。np.expand_dims那一步是把单张图凑成 batch1CNN 的输入永远带 batch 维度漏了这步会提示维度不匹配。参数说明归一化除以 255 是最常见的做法但如果你的模型训练时用的是preprocess_input比如某些骨干网络要求减均值这里就得换成对应函数否则精度会掉。argmax拿到的是类别索引max拿到的是置信度这两个值后面做考勤判定都要用。2.3 从单张预测到考勤判定阈值怎么定单张预测只能告诉你「这张图最像谁」考勤系统要的是「是不是本人」。这中间差一个阈值判定。常见做法是设一个置信度下限比如 0.75低于这个值就判为「未注册人员」不记录考勤。THRESHOLD 0.75 def recognize(arr, model, thresholdTHRESHOLD): pred model.predict(arr, verbose0) idx np.argmax(pred) conf float(np.max(pred)) if conf threshold: return None, conf # 置信度不足拒绝识别 return idx, conf # 返回身份和置信度阈值不是拍脑袋定的。太低会误识把陌生人放进来太高会拒识本人刷半天刷不上。我一般会拿几张本人图和几张陌生人图各跑一遍看两类样本的置信度分布把阈值卡在中间偏本人一侧。这个包里样本图不多正好可以拿 12.jpg、225.jpg 这些当正样本随便找张风景图当负样本跑一遍就有感觉了。提示如果所有样本的置信度都异常接近比如全在 0.5 附近大概率是输入尺寸或归一化方式和训练时不一致先回去核对 2.2 里的参数别急着调阈值。3. 把识别接进考勤流程图像采集、预处理与记录落库3.1 摄像头采集与预处理链路Demo 阶段用笔记本摄像头就够了OpenCV 是最省事的选择。采集到的帧不能直接喂给模型中间要过一遍预处理这一步和 2.2 里的读图逻辑必须完全一致否则线上线下两套结果。import cv2 import numpy as np cap cv2.VideoCapture(0) # 0 是默认摄像头外接设备改成 1 while True: ret, frame cap.read() if not ret: break # 人脸检测先用 Haar 级联框出人脸区域 gray cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces cv2.CascadeClassifier( cv2.data.haarcascades haarcascade_frontalface_default.xml ).detectMultiScale(gray, 1.3, 5) for (x, y, w, h) in faces: roi frame[y:yh, x:xw] roi cv2.resize(roi, (224, 224)) roi cv2.cvtColor(roi, cv2.COLOR_BGR2RGB) # OpenCV 是 BGR模型要 RGB arr roi.astype(float32) / 255.0 arr np.expand_dims(arr, axis0) idx, conf recognize(arr, model) label fID:{idx} {conf:.2f} if idx is not None else Unknown cv2.rectangle(frame, (x, y), (xw, yh), (0, 255, 0), 2) cv2.putText(frame, label, (x, y-10), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 0), 2) cv2.imshow(Attendance, frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()逻辑说明detectMultiScale的1.3是缩放步长5是邻域阈值这两个参数直接决定检测灵敏度和误检率。步长调小检测更细但更慢邻域调大误检少但可能漏脸。cv2.cvtColor那一步是血泪经验——OpenCV 读进来是 BGR 通道模型训练时用的是 RGB不转换的话识别率会莫名其妙地低而且不报错纯玄学问题。参数说明resize的目标尺寸必须和模型输入一致。astype(float32)是为了避免整数除法虽然 Python3 里/已经是浮点但显式转换更稳。3.2 考勤记录落库SQLite 够用Demo 阶段别上 MySQLSQLite 一个文件搞定零配置。记录表设计得简单点谁、什么时候、签到还是签退。import sqlite3 from datetime import datetime conn sqlite3.connect(attendance.db) conn.execute(CREATE TABLE IF NOT EXISTS records ( id INTEGER PRIMARY KEY AUTOINCREMENT, person_id INTEGER, name TEXT, check_time TEXT, check_type TEXT )) def log_attendance(person_id, name, check_typein): now datetime.now().strftime(%Y-%m-%d %H:%M:%S) conn.execute( INSERT INTO records (person_id, name, check_time, check_type) VALUES (?,?,?,?), (person_id, name, now, check_type) ) conn.commit()逻辑说明CREATE TABLE IF NOT EXISTS保证重复运行不报错。check_type区分签到签退实际业务里通常按当天第一次识别算签到、最后一次算签退这里先留字段逻辑后面补。参数说明时间用字符串存格式统一成YYYY-MM-DD HH:MM:SS方便后面按天查询和排序。person_id对应模型输出的类别索引name是映射表里查出来的别把索引直接当名字用。3.3 防重复签到一个容易被忽略的细节摄像头是连续采集的同一个人站在镜头前会被识别几十次如果每次都写库考勤记录会瞬间爆炸。常见做法是加一个时间窗口同一个人 N 秒内只记一次。import time last_seen {} # {person_id: timestamp} def should_log(person_id, cooldown30): now time.time() if person_id in last_seen and now - last_seen[person_id] cooldown: return False last_seen[person_id] now return True逻辑说明cooldown设 30 秒意味着同一个人半分钟内只记一次。这个值按场景调签到场景可以设长一点实时监控场景设短一点。参数说明last_seen用字典存内存里进程重启就清空Demo 够用。要持久化就写进数据库或 Redis但那是另一个量级的事了。4. 避坑与排查这套包最容易翻车的五个地方4.1 加载 .h5 报 Unknown layer 或自定义层错误现象load_model直接抛ValueError: Unknown layer或者提示某个自定义层找不到。原因.h5里用了自定义层或自定义损失函数Keras 加载时不知道这些类的定义。很多从网上扒的模型都有这问题。解决先试compileFalse能绕过大部分优化器相关的报错。如果还不行就得找到定义自定义层的源码用custom_objects参数传进去。实在找不到源码用tf.keras.models.load_model配合safe_modeFalse试试但要注意安全风险只加载可信来源的模型。4.2 识别结果全是同一个 ID现象不管喂谁的图argmax出来的都是同一个类别置信度还挺高。原因八成是输入预处理和训练时不一致。最常见的是归一化方式错了——训练时用了preprocess_input减均值除标准差你只除了 255或者通道顺序反了BGR 当 RGB 喂进去。解决回去核对训练脚本里的预处理代码一行一行对齐。没有训练脚本就试几种常见组合除以 255、减 127.5 再除 128、用对应骨干网络的preprocess_input。通道顺序用cv2.cvtColor转成 RGB 再试。4.3 摄像头画面卡顿、识别延迟高现象视频流一卡一卡的识别结果要等好几秒才出来。原因每帧都跑一次模型推理CNN 前向传播本身就吃算力加上 Haar 检测也耗时帧率自然上不去。解决别每帧都识别。常见做法是每隔 N 帧识别一次中间帧只做显示。或者把检测和识别拆开检测用轻量级方法跑高频识别降频跑。CPU 推理慢的话考虑用tf.lite转成轻量格式或者换更小的输入尺寸。4.4 置信度阈值怎么调都不对现象调低了陌生人能刷进来调高了本人刷不上怎么都不舒服。原因模型输出的置信度分布和你的场景不匹配或者样本太少导致分布估计不准。解决别只调阈值先看分布。把本人图和陌生人图各跑一批打印置信度画个直方图。如果两类分布重叠严重说明模型本身区分度不够这时候调阈值是治标。可以考虑用特征向量做余弦相似度比对而不是依赖 softmax 输出后者在类别少的时候区分度更好。4.5 换台机器就跑不起来现象在自己电脑上好好的拷到别人机器上各种报错。原因依赖版本不一致。TensorFlow、Keras、OpenCV、NumPy 的版本组合很敏感尤其是 TF 2.x 和 Keras 的版本对应关系。解决把依赖版本固定下来写进requirements.txt。常见组合是tensorflow2.10.0配numpy1.24OpenCV 用opencv-python4.8.0.74这类稳定版。别用pip install tensorflow不带版本号那是在赌运气。5. 进阶技巧用特征向量替代分类头做比对前面走的是「模型直接输出类别」的路子简单但有个硬伤加一个新员工就得重新训练或微调模型否则模型根本不认识这个新类别。实际考勤场景里人员是流动的这个硬伤很致命。更实用的做法是把face.model.h5当纯特征提取器用取倒数第二层的输出作为人脸特征向量然后做向量比对。这样加人不用重训往特征库里塞一条记录就行。from tensorflow.keras.models import Model # 取倒数第二层作为特征输出层具体层名用 model.summary() 查 feature_layer model.layers[-2].output feature_extractor Model(inputsmodel.input, outputsfeature_layer) def get_embedding(arr): vec feature_extractor.predict(arr, verbose0) return vec / np.linalg.norm(vec) # L2 归一化方便算余弦相似度 def cosine_sim(a, b): return float(np.dot(a, b)) # 归一化后点积即余弦相似度逻辑说明model.layers[-2]是倒数第二层通常是全连接层之前的特征层具体位置因网络结构而异用model.summary()确认。L2 归一化之后两个向量的点积就是余弦相似度省去除法。参数说明比对阈值一般设在 0.6 到 0.8 之间具体看特征分布。注册新员工时把他的特征向量存进一个字典或数据库识别时遍历算相似度取最大值超过阈值就判为本人。方案加新人员精度实现复杂度分类头直接输出需重训/微调类别少时高低特征向量比对直接入库取决于特征质量中这个表是我踩过坑之后总结的。分类头方案在类别固定时确实省事但一旦人员变动就得推倒重来。特征向量方案前期多写几十行代码后期省下的是反复训练的时间。我现在的习惯是只要项目有「人员会变」的可能一律走特征向量路线哪怕一开始只有五个人。从那以后我每次拿到带.h5的包第一件事不是跑预测而是先model.summary()看结构、确认特征层位置再决定走哪条路。这个习惯帮我省了至少三次返工。希望帮到你。本文还有配套的精品资源点击获取