锋哥的人脸识别 智能考勤系统(深度学习+OpenCV DNN+FastAPI+Vue3) 视频教程 项目实战课程 正式发布了。。。

https://www.bilibili.com/video/BV17Hut6NE98/

高清视频+源码+领取

扫描下方公众号【


    
python222】回复：888，
可获取下载链接
👇👇👇

👆长按上方二维码 2 秒
回复「888」即可获取

项目效果 预览：

Cursor AI 生成的这个项目 架构和代码质量非常高。锋哥花了2天时间，录制了这个项目的架构以及所有功能模块的实现讲解。一共16讲。这个是属于VIP会员享受的。

欢迎加入锋哥的VIP，目前活动，购买Python+AI大模型  VIP，送Java+AI大模型+AI编程 VIP。

一、项目概述

SmartFace Attendance（智能人脸考勤系统） 是一套面向企业日常考勤管理的 Web 应用。系统通过摄像头采集人脸图像，利用深度学习模型完成人脸检测与特征比对，实现员工无接触式签到/签退；管理员可在后台完成组织架构维护、人脸库管理、考勤记录查询、请假/加班审批及数据统计分析。

1.1 核心功能模块

二、业务逻辑

2.1 系统角色

• 管理员：登录后台，管理员工、人脸库、组织架构、考勤及审批流程，查看统计数据。

• 员工（被动识别）：无需登录系统，在打卡终端通过刷脸完成签到/签退。

2.2 人脸注册流程

1. 管理员在「员工管理」中创建员工档案（工号、姓名、部门、岗位、班次等）。

2. 在「人脸库」页面选择员工，上传/拍摄正面清晰照片。

3. 后端使用 YuNet 检测最大人脸，SFace 提取 128 维特征向量。

4. 特征向量以 JSON 格式存入 t_face 表，图片保存至 D:/uploads30/faces/。

5. 应用启动时及每次注册/删除后，将全部特征加载至内存底库，供 1:N 比对。

2.3 刷脸打卡流程

1. 员工打开 /punch 公开打卡页，前端调用摄像头采集 Base64 图片。

2. 调用 POST /api/v1/punch（免 JWT 认证）。

3. FaceService 保存抓拍图 → 提取特征 → 与内存底库批量余弦相似度比对。

4. 最高相似度 ≥ 阈值（默认 0.363）则匹配成功，否则返回识别失败。

5. 写入 t_recognition_log 识别日志。

6. AttendanceService 根据当日是否已有记录决定签到或签退：

• 首次打卡：创建考勤记录，写入签到时间与抓拍图，按班次判定「正常/迟到」。

• 二次打卡：写入签退时间与抓拍图，计算工时，判定「正常/早退/迟到且早退」。

• 已完成签退：拒绝重复打卡。

2.4 考勤状态判定规则

2.5 请假/加班审批

• 管理员录入请假/加班申请，初始状态为「待审批」。

• 审批通过后记录审批人 ID 与审批时间，状态变为「已通过」。

2.6 业务流程图

人脸注册流程

刷脸打卡流程

管理员登录与鉴权流程

三、技术栈

3.1 前端（client）

3.2 后端（server）

3.3 AI 模型

3.4 数据库与部署

四、系统架构

4.1 总体架构

系统采用 前后端分离 架构：Vue 3 单页应用负责管理端 UI 与公开打卡页；FastAPI 提供 RESTful API；MySQL 持久化业务数据；OpenCV DNN 模块在服务端完成人脸 AI 推理。

4.2 技术分层架构

4.3 后端目录结构

server/
├── main.py                 # FastAPI 应用入口、CORS、静态文件挂载
├── requirements.txt        # Python 依赖
├── sql/
│   └── db_smart_attendance.sql   # 数据库初始化脚本
└── app/
    ├── api/v1/             # REST API 路由
    │   ├── auth.py         # 登录认证
    │   ├── profile.py      # 个人中心
    │   ├── employee.py     # 员工管理
    │   ├── face.py         # 人脸库
    │   ├── punch.py        # 刷脸打卡（公开）
    │   ├── attendance.py   # 考勤记录
    │   ├── leave.py        # 请假管理
    │   ├── overtime.py     # 加班管理
    │   ├── stats.py        # 首页统计
    │   └── ...
    ├── core/               # 配置、安全、依赖注入
    ├── db/                 # 数据库 Session



    
    ├── models/             # SQLAlchemy ORM 模型
    ├── schemas/            # Pydantic 请求/响应模型
    ├── services/           # 业务服务（人脸、考勤）
    └── utils/              # 工具类（文件、CRUD）

4.4 前端目录结构

client/
├── src/
│   ├── views/              # 页面组件（Home、Employee、Punch 等）
│   ├── layout/             # MainLayout 主布局
│   ├── router/             # 路由与登录守卫
│   ├── store/              # Pinia 用户状态
│   ├── api/                # API 封装
│   └── utils/              # 请求拦截、日期、美颜等工具
├── vite.config.js          # Vite 配置与 API 代理
└── package.json

4.5 API 接口一览

4.6 数据库 ER 关系

五、数据库设计

• 数据库名称：db_smart_attendance

• 引擎：InnoDB

• 字符集：utf8mb4 / utf8mb4_unicode_ci

• 命名规范：表名以 t_ 开头

5.1 t_admin（管理员表）

索引：PRIMARY KEY (id)，UNIQUE KEY uk_admin_username (username)

5.2 t_department（部门表）

索引：PRIMARY KEY (id)，UNIQUE KEY uk_dept_code (code)

5.3 t_position（岗位表）

索引：PRIMARY KEY (id)，UNIQUE KEY uk_position_code  (code)

5.4 t_shift（班次表）

索引：PRIMARY KEY (id)

5.5 t_employee（员工表）

索引：PRIMARY KEY (id)，UNIQUE KEY uk_emp_no (emp_no)，KEY idx_employee_dept (department_id)，KEY idx_employee_shift ( shift_id)

5.6 t_face（人脸库表）

索引：PRIMARY KEY (id)，KEY idx_face_employee (employee_id)

5.7 t_attendance（考勤记录表）

考勤状态枚举：正常、迟到、早退、迟到且早退、缺卡

索引：PRIMARY KEY (id)，UNIQUE KEY uk_attendance_emp_date (employee_id, attendance_date)，KEY idx_attendance_date (attendance_date)

5.8 t_leave（请假表）

审批状态枚举：待审批、已通过、已拒绝

索引：PRIMARY KEY (id)，KEY idx_leave_employee (employee_id)

5.9 t_overtime（加班表）

索引：PRIMARY KEY (id)，KEY idx_overtime_employee (employee_id)

5.10 t_recognition_log（识别日志表）

索引：PRIMARY KEY ( id)，KEY idx_recognition_time (create_time)

六、关键技术说明

6.1 人脸识别引擎

• FaceEngine 采用单例模式，应用生命周期内只加载一次 ONNX 模型。

• 检测阶段使用 OpenCV FaceDetectorYN（YuNet），输入尺寸自适应，置信度阈值 0.9。

• 识别阶段使用 FaceRecognizerSF（SFace），对齐裁剪后输出 128 维特征。

• 1:N 比对采用批量余弦相似度，阈值 FACE_THRESHOLD = 0.363（可在 .env 配置）。

6.2 内存人脸底库

• 应用启动时 face_service.reload_gallery() 将全部 t_face.feature 加载至 NumPy 数组。

• 注册/删除人脸后自动刷新，避免每次识别查询数据库，提升比对性能。

6.3 安全机制

• 管理端 API 通过 JWT Bearer Token 鉴权（get_current_admin 依赖）。

• 密码使用 bcrypt 哈希存储。

• 刷脸打卡接口 /api/v1/punch 为公开接口，便于部署打卡终端。

6.4 统一响应格式

{
  "code": 200,
  "msg": "操作成功",
  "data": { }
}

七、部署架构