一、项目简介

本项目使用Python开发了一个基于OpenCV与Tkinter的人脸识别考勤系统。系统具备实时视频捕捉、人脸录入、识别考勤、考勤统计、迟到与早退判断等功能，并可将考勤记录导出为CSV文件。

二、功能亮点

• 实时人脸识别：通过摄像头实时识别人脸。
• 人脸数据录入与删除：支持动态新增、删除员工数据。
• 自动考勤打卡：根据时间自动判断上下班考勤。
• 迟到与早退判断：自动统计迟到、早退人数。
• 考勤数据导出：支持一键导出每日考勤统计表。

三、开发环境与依赖库

• 语言：Python 3.x
• IDE：PyCharm 或 VSCode
• 主要依赖库：

pip install opencv-python opencv-contrib-python pillow pyttsx3

四、系统技术流程与原理

（一）技术实现流程

摄像头捕捉视频流
       ↓
OpenCV人脸检测与裁剪
       ↓
LBPH算法进行人脸识别
       ↓
识别结果实时反馈给Tkinter界面
       ↓
根据当前时间判断上下班并记录打卡结果
       ↓
导出每日统计CSV文件

（二）核心技术解析

1. 人脸检测方法

• 使用OpenCV的Haar级联分类器（haarcascade_frontalface_default.xml）进行人脸检测。
• 实时扫描视频流，定位并提取人脸区域。

2. 人脸图像预处理

• 将检测出的人脸区域转换为灰度图像以减少光照影响。
• 统一调整图像尺寸为200x200像素，增强识别准确性。

3. 特征提取（LBPH算法）

• 使用LBPH（Local Binary Patterns Histograms）算法进行人脸特征提取。
• 通过分析每个像素与周围像素的灰度差异，提取纹理特征。

4. 人脸匹配与识别

• 将实时提取的特征与训练模型特征进行匹配。
• 基于距离度量进行判断，识别出具体的用户身份。

5. 人脸数据录入与训练

• 使用OpenCV捕获摄像头图像，检测人脸区域。
• 每个人录入100张灰度图像，统一缩放为200x200像素。
• 使用LBPH算法训练识别模型，并将模型保存为model.yml文件。

6. 实时视频处理（OpenCV与PIL）

• 实时捕获摄像头数据，转换为RGB图像后传输给Tkinter界面显示。
• PIL（Pillow）库用于将OpenCV图像转换为Tkinter可显示的格式。

7. 界面交互（Tkinter）

• 提供直观的按钮及状态反馈，易于用户操作。
• 使用threading多线程，防止界面卡顿，提升用户体验。

8. 考勤管理与统计

• 采用CSV文件长期记录用户打卡数据。
• 根据记录自动统计迟到、早退情况，并支持一键导出。

五、系统运行效果

• 实时显示视频流与识别结果
• 动态考勤统计页面
• 可导出详细的CSV考勤文件

六、系统日志说明

系统将每次打卡结果自动写入log.csv文件，方便长期记录和查看。

七、后续扩展建议

• 自动定时考勤提醒
• 考勤数据图表化
• 结合钉钉或微信实现消息通知

八、总结

本系统易于部署与使用，适合中小型企业或团队作为日常考勤管理工具，同时也适合作为学习Python图像处理与界面开发的完整案例。