目录
ABSTRACT 1
1 选题背景 2
1.1 问题的提出 2
1.2 国内外研究状况 3
1.2.1 国外研究状况 3
1.2.2 国内研究状况 3
1.3 研究的目的和内容 3
1.4 系统特点 4
2 开发平台及相关技术 4
2.1 开发平台 4
2.2 Django框架 5
2.3 MTCNN人脸检测 6
2.3.1 PNet网络 7
2.3.2 RNet网络 8
2.3.3 ONet网络 8
2.4 人脸识别 9
2.4.1 人脸识别技术原理 9
2.4.2 人脸识别之人脸验证 9
2.4.3 FaceNet人脸识别 10
2.5 定位技术 11
2.6 python爬虫技术 11
2.7 本章小结 11
3 系统需求分析与设计 12
3.1 需求分析 12
3.1.1 功能需求分析 12
3.1.2 非功能需求分析 13
3.2 系统设计 13
3.2.1 系统功能设计 13
3.2.2 系统逻辑架构设计 15
3.3 数据库设计 15
3.4 系统视觉设计 16
4 系统实现 20
4.1 开发和部署环境 20
4.2 数字考勤模块 20
4.3 人脸识别考勤模块 21
4.3.1 人脸识别 21
4.3.2 人脸签到 22
4.4 考勤管理模块 23
4.4.1 考勤信息修改 23
4.4.2 考勤记录查询 24
4.4.3 考勤记录导出存档 24
4.5 课表模块 24
5 总结与展望 25
5.1 总结 25
5.2 未来展望 26
参考文献： 27
致谢 28
 *51今日免费论文网|www.jxszl.com +Q: @351916072@ 
/> 基于人脸识别的课堂考勤系统的设计与实现
摘 要
首先，本文比对了国内外高等学校的课堂考勤模式，评估了一些国内外课堂出勤管理方法的可行性，并对当下高等学校在课堂考勤管理中存在的一些问题进行了分析和讨论，目的是剖析和研讨国内高等学校实用的课堂考勤管理方法。
其次，本文针对因当时计算机技术发展较为落后所造成的传统课堂考勤方式的费时费力、效率低的问题，结合当下火热的深度学习算法，设计了一款适用于普通高校即“面部识别+定位”方式的课堂考勤管理系统。系统使用MTCNN算法（Multitask convolutional neural network，多任务CNN）实现人脸检测并进行人脸对齐，采用Google公司开发推出的FaceNet模型完成人脸识别，尽可能降低代签的可能性。该课堂考勤管理系统采用Django框架搭建服务器，Android Studio开发前端APP，HTML+CSS+JS开发网页端，另外使用MySQL 构建数据库，将课堂考勤数据重组起来，实现考勤数据的准确性、可靠性，它旨在简化课堂考勤工作，同时将课堂考勤管理与学生工作更好地相结合，使学生更加关注课堂出勤的重要性，充分发挥课堂出勤在学校学习氛围建设中的重要作用，促进更好的学习氛围的发展。
最后本文对此次毕业设计相关工作进行了总结，分析了在实际应用场景中人脸识别的难点，思考了该课堂考勤管理系统中的不足，并对未来更进一步的研究提出了瞻望。
引言
1 选题背景
1.1 问题的提出
在大多数课堂考勤方式中，教学人员是考勤管理和实施的主要负责人，对于学生工作管理人员，无法及时获取教职人员实施的课堂考勤结果，学生工作管理人员则须要对课堂考勤数据进行定时按期的收集和整理分析，复杂的管理流程导致不能充分发挥课堂考勤的作用。传统课堂考勤模式所导致的数据的分散性使其很难收集出勤数据，并且缺乏一体的管理系统。伴随诸如深度学习之类的计算机相关技术的飞速发展，面部识别的精准性获得大幅度的提升，并且实现所需成本也大幅度降低，因此通过借助面部识别技术进行考勤，可有效防止其他同学代替考勤或者假考勤现象的发生、减少考勤时间、提高考勤效率、改善学风的建设。
1.2 国内外研究状况
1.2.1 国外研究状况
1.2.2 国内研究状况
国内的考勤管理方式主要有人工签到、指纹签到[3][4][5]、OCR签到、蓝牙签到[6]、定位等。但以上五种课堂考勤创新模式依然存在较多的弊病，比如OCR签到系统无法确认学生参与的地点和学生的真实身份，因为学生可以远程完成签到，甚至可以拿取其他学生的校园卡或学生证来帮助其他学生完成考勤。蓝牙考勤系统的最大缺点是其最长的通讯间隔不得跨越20 m，并且伴随传输间隔的增加，结合干扰物和硬件设施自身性能等因素，蓝牙通信的有效间隔不足10 m，如果应用在高校的大教室中则会产生较大的误差。同样，采用定位信息进行考勤的方式的益处类似于采用蓝牙进行考勤的方式，它们均具有软硬件开发成本低，业务逻辑简单和用户运用便利的长处。但是，该系统只能限制学生考勤的地理位置，而不能获取学生的真实身份，从而存在舞弊的空间[7]。

原文链接：http://www.jxszl.com/jsj/jsjkxyjs/605731.html