（1）数据集制作

本次使用明星做为数据集，首先编写爬虫函数，根据关键字爬取对应的明星，爬取结果保存至data文件夹，并以标签名作为文件名。具体爬取的明星如下：

注：实际应用中，我们只需要在data文件夹下加入新的人脸类别即可。

（2）功能描述

📚 数据预处理

图像数据经过了尺寸调整和数据增强，还使用了标准化操作来提升模型的表现力。这样处理后的数据可以让模型训练更加高效、结果更准确。

🎮 模型训练

将数据按照8：2分成训练集和验证集，保证模型在训练阶段和验证阶段都能得到合理的评估。选用了ResNet152模型，并根据数据集的类别数量替换了最后的分类层，以确保模型可以识别多个人脸类别。

🌐 主界面功能一览

主界面如图所示，具体包括模型训练、摄像头开关、图片导入、签到、清空。

训练：可以设置模型的学习率、训练轮数和批次。训练结束后，界面将显示最佳准确度，并会自动保存最佳模型权重。

摄像头开/关：点击按钮即可轻松开启摄像头，实时捕捉人脸信息。再次点击即可关闭摄像头。

导入图片：若不使用摄像头，还可以直接导入本地图片进行签到或识别。

签到：在导入图片或开启摄像头后，点击签到按钮系统会调用最佳权重进行人脸识别。如果人脸被识别，系统将在界面右侧显示签到人的信息和签到时间。如果已经签过到，系统会提示“已签到”，避免重复签到。

（3）实验结果

①训练：验证集精度可达85%，可自行修改参数实验。

②导入图片签到：

③开启摄像头签到：会打开电脑前置摄像头（PS：我拿手机找的图片）

④重复签到：如果重复签到会提示。

⑤点击清空：会清楚csv文件和右侧显示区。

代码下载链接： 

Python图像处理——基于ResNet152的人脸识别签到系统（Pytorch框架）

最后：

小编会不定期发布相关设计内容包括但不限于如下内容:信号处理、通信仿真、算法设计、matlab appdesigner，gui设计、simulink仿真......希望能帮到你！