# facial-recognition

**Repository Path**: pretend-work/facial-recognition

## Basic Information

- **Project Name**: facial-recognition
- **Description**: 基于深度学习的卷积神经网络（CNN）模型，使用电脑摄像头采集人物图像，提取特征信息并自动预测年龄和性别，同时将所有信息保存到MySQL数据库中。
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2025-11-05
- **Last Updated**: 2025-11-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 人脸特征采集系统

基于深度学习的卷积神经网络（CNN）模型，使用电脑摄像头采集人物图像，提取特征信息并自动预测年龄和性别，同时将所有信息保存到MySQL数据库中。

## 项目功能

- 使用OpenCV实现摄像头视频采集
- 基于Haar级联分类器进行人脸检测
- 使用CNN模型（支持PyTorch或HOG特征）提取人脸特征
- 自动预测并显示人物年龄和性别
- 将人物信息和特征向量保存到MySQL数据库
- 实时显示采集状态和操作提示
- 自动保存捕获的人脸图像
- 支持人员信息的重复检测，避免重复添加
- 支持中文显示

## 系统要求

- Python 3.7+
- MySQL 5.7+
- 电脑摄像头
- 足够的存储空间用于保存图像和模型

## 安装说明

### 1. 克隆项目

```bash
git clone <项目仓库地址>
cd cnnpython
```

### 2. 安装依赖

```bash
pip install -r requirements.txt
```

### 3. 配置MySQL数据库

- 确保MySQL服务正在运行
- 当前系统已配置使用远程数据库：
  - 主机: 182.92.159.31
  - 端口: 2306
  - 用户名: study
  - 密码: 3y5G786xBzEL37Ld
  - 数据库名: study

如果需要修改数据库配置，请编辑 `utils/db_manager.py` 文件中的数据库连接参数。

## 使用方法

### 运行主程序

```bash
python main.py
```

### 操作说明

- **空格键**: 添加新人员信息并开始采集特征
- **C键**: 取消当前正在进行的特征采集
- **ESC键**: 退出程序

### 采集流程

1. 运行程序后，摄像头会自动启动
2. 按空格键，根据提示输入人员信息（姓名、年龄、性别、描述）
3. 系统将自动检测人脸、提取特征，并预测年龄和性别
4. 每人默认采集多个特征向量，提高识别准确率
5. 采集的特征向量会保存到MySQL数据库，同时会保存人脸图像到 `data/saved_faces/` 目录
6. 系统会自动检查重复人员，避免重复添加相同人员信息
7. 采集完成后，系统会自动停止当前人员的特征采集
8. 可以继续添加新人员或按ESC键退出

## 项目结构

```
cnnpython/
├── main.py                 # 主程序入口
├── requirements.txt        # Python依赖包
├── models/                 # 模型相关代码
│   └── cnn_model.py        # CNN特征提取模型
├── utils/                  # 工具类
│   ├── camera.py           # 摄像头采集类
│   └── db_manager.py       # 数据库管理类
├── data/                   # 数据目录
│   └── saved_faces/        # 保存的人脸图像
└── README.md               # 项目说明文档
```

## 数据库结构

### persons表
- `person_id`: INT (主键，自增)
- `name`: VARCHAR(100) (人员姓名)
- `age`: INT (年龄)
- `gender`: VARCHAR(20) (性别)
- `description`: TEXT (描述信息)
- `created_at`: TIMESTAMP (创建时间)
- `updated_at`: TIMESTAMP (更新时间)

### face_features表
- `feature_id`: INT (主键，自增)
- `person_id`: INT (外键，关联persons表)
- `feature_vector`: TEXT (特征向量JSON字符串)
- `feature_dim`: INT (特征维度)
- `confidence`: FLOAT (置信度)
- `capture_time`: TIMESTAMP (捕获时间)

## 注意事项

1. 程序使用自定义CNN模型或HOG特征提取器，无需下载外部预训练模型
2. 采集特征时，请确保光线充足，人脸清晰可见
3. 数据库密码已配置为远程服务器的实际密码
4. 本程序仅供学习和演示使用，在生产环境中请添加适当的安全措施
5. 如果遇到摄像头无法打开的问题，请检查摄像头权限或尝试修改代码中的摄像头ID
6. 系统支持自动预测年龄和性别，提高了数据采集的自动化程度
7. 系统具有重复人员检测功能，会避免重复添加同名人员信息

## 常见问题

### 1. 摄像头无法打开
- 检查摄像头是否被其他程序占用
- 尝试修改代码中的摄像头ID（默认0）
- 确保OpenCV正确安装

### 2. 数据库连接失败
- 检查网络连接是否正常，确保可以访问远程服务器
- 验证数据库用户名和密码是否正确
- 确保用户有创建数据库和表的权限
- 检查服务器防火墙是否允许连接

### 3. 人脸检测不准确
- 确保光线条件良好
- 调整与摄像头的距离，使人脸在画面中占据适当比例
- 可以修改代码中的人脸检测参数以提高检测准确率

### 4. 年龄性别预测不准确
- 预测基于简化模型，仅供参考
- 确保人脸清晰且光线均匀

## 扩展开发

- 可以替换更先进的人脸检测模型（如MTCNN、RetinaFace等）
- 集成更准确的年龄性别预测模型
- 添加GUI界面以提高用户体验
- 实现特征向量的比对和检索功能
- 添加人脸识别门禁功能
- 实现多摄像头支持

## 许可证

本项目采用MIT许可证 - 详情请查看LICENSE文件

## 联系方式

如有任何问题或建议，请联系项目维护者。