人脸识别系统技术分析文档

一、项目概述

本项目实现了两套基于 Python 的桌面人脸识别登录系统：

两套方案功能相同：人脸注册、人脸登录、人脸验证、数据表格记录、摄像头实时画面、异常处理。

二、两套方案核心区别

2.1 算法对比

2.2 安装体积明细（face_recognition）

模型文件明细：

2.3 模型文件安装位置

执行 pip install face_recognition 后，模型下载到 Python 环境的 site-packages 中：

<Python安装路径>/Lib/site-packages/face_recognition_models/models/

不同环境的具体路径：

查看实际路径命令：

python -c "import face_recognition_models; print(face_recognition_models.models_path())"

三、本地人脸数据生成原理

两个方案都是 摄像头抓拍 → 提取特征 → 存入本地SQLite数据库，但提取的"特征"不同。

3.1 OpenCV LBPH 方案

# 抓拍一帧 → 灰度化 → 检测人脸区域 → 裁剪并缩放为200x200像素矩阵
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, ...)
face_roi = gray[y:y+h, x:x+w]
face_roi_resized = cv2.resize(face_roi, (200, 200))  # 这就是"人脸数据"

# 用 pickle 序列化为二进制存入 SQLite 的 BLOB 字段
face_blob = pickle.dumps(face_roi_resized)

存储本质：一张 200×200 的灰度图片的 numpy 数组。

3.2 face_recognition 方案

# 抓拍一帧 → RGB转换 → 深度学习模型提取128维编码
rgb_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
face_encodings = face_recognition.face_encodings(rgb_frame, face_locations)
encoding = face_encodings[0]  # 128个浮点数

# 用 JSON 序列化存入 SQLite 的 TEXT 字段
encoding_json = json.dumps(encoding.tolist())

存储本质：128个浮点数，类似 [0.0123, -0.0456, 0.0789, ...]。

四、验证/登录工作原理

4.1 整体流程

注册（只需一次）：
  输入用户名+账号 → 抓拍人脸 → 提取特征 → 存入数据库

登录/验证（每次使用）：
  抓拍当前人脸 → 提取特征 → 从数据库取出所有已注册特征 → 逐一比对 → 找最匹配的

4.2 OpenCV LBPH 比对逻辑

for account, username, encoding in registered_faces:
# 对每个注册用户，创建LBPH识别器并训练
    recognizer = cv2.face.LBPHFaceRecognizer_create()
    recognizer.train([encoding], np.array([0]))
    label, confidence = recognizer.predict(face_feature)
# confidence 越小越匹配，< 70 认为是同一人

特点：每次登录都要为每个用户重新训练识别器，用户多了会变慢。

4.3 face_recognition 比对逻辑

# 直接计算欧氏距离
distances = face_recognition.face_distance(known_encodings, unknown_encoding)
min_distance = min(distances)
# distance <= 0.45 认为是同一人

特点：纯数学运算，速度快，精度高。

五、常见问题

Q: 每次都要注册吗？

不需要。只需注册一次，人脸数据持久化存储在本地 SQLite 数据库文件中（face_recognition.db），程序关闭后数据不会丢失。下次打开程序直接点"人脸登录"即可识别。

Q: 可以注册多个用户吗？

可以。每个用户注册一次，系统支持多用户，登录时会逐一比对找到匹配的那个人。

Q: dlib 在 Windows 上安装失败怎么办？

常见错误：UnicodeDecodeError: 'gbk' codec can't decode byte...

解决方案优先级：

1. 设置环境变量：$env:PYTHONUTF8="1" 然后 pip install dlib
2. 下载预编译whl文件（需能访问GitHub）
3. 放弃face_recognition，直接用OpenCV LBPH方案

Q: GitHub 连不上怎么下载 dlib whl？

尝试 GitHub 加速站：

https://ghfast.top/https://github.com/z-mahmud22/Dlib_Windows_Python3.x/raw/main/dlib-19.24.99-cp311-cp311-win_amd64.whl

或者直接使用 OpenCV 方案，零网络障碍。

六、快速运行指南

OpenCV LBPH 方案（推荐，零障碍）

pip install opencv-contrib-python numpy pillow
python face_recognition_app.py

face_recognition 方案（高精度）

# 需要先解决 dlib 安装
pip install dlib
pip install face_recognition opencv-python numpy pillow
python kiro/face_recognition_system.py

七、方案选择建议

八、界面操作说明

程序界面分为四个区域：

1. 功能操作区（左上）：用户名/账号输入框 + 注册/登录/验证/关闭按钮
2. 摄像头画面区（左中）：实时显示摄像头画面，自动标注人脸绿色边框
3. 抓拍确认按钮（左下）：绿色大按钮，点击后执行当前模式的操作
4. 数据表格区（右侧）：已注册用户列表 + 登录记录 + 系统日志

操作流程：

注册：填写用户名+账号 → 点击"人脸注册" → 摄像头开启 → 点击绿色"抓拍确认" → 完成
登录：点击"人脸登录" → 摄像头开启 → 面对镜头 → 点击绿色"抓拍确认" → 显示结果
验证：点击"人脸验证" → 摄像头开启 → 面对镜头 → 点击绿色"抓拍确认" → 显示结果