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，compile=False 避免因缺少自定义层报错 model = load_model('face.model.h5', compile=False) 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, axis=0) # 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compile=False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 batch=1，CNN 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, threshold=THRESHOLD): pred = model.predict(arr, verbose=0) 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:y+h, x:x+w] 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, axis=0) idx, conf = recognize(arr, model) label = f'ID:{idx} {conf:.2f}' if idx is not None else 'Unknown' cv2.rectangle(frame, (x, y), (x+w, y+h), (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 MySQL，SQLite 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_type='in'): 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, cooldown=30): 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compile=False，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_mode=False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tensorflow==2.10.0配numpy<1.24，OpenCV 用opencv-python==4.8.0.74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(inputs=model.input, outputs=feature_layer) def get_embedding(arr): vec = feature_extractor.predict(arr, verbose=0) 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。

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