基于Java Spring Boot的人脸识别签到系统-Seo优化-塔城地区网站建设公司

一、项目简介

功能描述：本项目基于Java Spring Boot开发人脸识别签到系统，接入阿里云人脸比对API与OSS对象存储实现云端高精度人脸识别，同时自研多特征人脸比对算法作为离线降级方案，整合图像解析、文件读写、前后端交互等功能，实现学生信息录入、摄像头人脸采集、智能签到、签到数据统计全流程。开发过程独立完成，未直接照搬他人代码，仅参考Java图像处理、Spring Boot接口开发、阿里云OpenAPI对接相关技术文档。

个人负责任务：系统整体架构设计、后端代码开发、阿里云人脸API 与OSS对接开发、本地多特征人脸比对算法实现、文件数据持久化、RESTful接口编写、全场景异常容错处理、项目打包部署与功能测试。

二、功能架构图

系统分为前端展示层、后端服务层、数据持久层三大模块：

1.前端层：checkin.html提供页面交互、摄像头调用、图片Base64编码、请求发送；

2.后端服务层（本人全权开发）：Spring Boot 服务、RESTful 接口、图像处理、阿里云人脸 API 与 OSS 云端服务对接、本地人脸比对算法、请求路由、跨域处理；

3.数据持久层：本地JSON文件students.json存储学生信息，photos文件夹存储人脸照片。

三、个人任务简述

本人独立完成整个人脸识别签到系统后端所有功能开发、算法实现、数据管理与项目调试，下表为具体任务：

序号	完成功能与任务	描述
1	Spring Boot项目搭建与环境配置	使用Maven管理项目依赖，整合Spring Boot Web、Lombok、Jackson等组件，配置项目编译、打包、运行环境，搭建标准Java Web项目结构。
2	面向对象设计	定义学生实体类Student，采用面向对象思想拆分功能模块，封装图像处理、文件操作、人脸比对工具方法，代码低耦合、易维护。
3	RESTful接口开发与跨域处理	编写新增学生、人脸签到、查询学生列表、签到状态查询、重置签到等接口，配置跨域支持，实现前后端数据正常交互。
4	本地文件数据持久化	不使用数据库，采用JSON文件存储学生信息，通过Jackson框架实现JSON序列化与反序列化，结合IO流完成照片文件本地保存。
5	云端人脸API对接+本地备用算法（重难点）	对接阿里云人脸比对API、阿里云OSS对象存储，完成图片云端上传与云端身份识别；同时纯 Java实现多特征融合本地图像比对算法，作为API故障时的降级方案，保障服务可用。
6	图像预处理功能	实现图片Base64编解码、尺寸缩放、RGB转灰度图、图像格式统一等预处理逻辑，解决不同摄像头图片尺寸、格式不一致问题。
7	异常捕获与容错处理	针对文件不存在、图片解析失败、参数缺失、IO异常等场景增加异常捕获，完善日志输出，提升系统稳定性。
8	项目打包与部署测试	编写启动批处理脚本，完成项目编译、打包、运行测试，解决端口占用、文件路径、图片解析等线上问题。

四、本人负责功能详解

1. *面向对象设计

简述：

本系统采用面向对象思想进行模块化设计，划分实体类、业务控制类、工具方法。核心分为两大核心类：

1.启动与控制类CheckinServer：Spring Boot启动入口、接口接收、业务逻辑调度，整合所有功能；

2.实体内部类Student：使用Lombok简化实体代码，封装学生学号、姓名、照片路径、录入时间等属性；

3.所有图像处理、人脸比对、文件读写逻辑均封装为独立私有方法，遵循单一职责原则，代码复用性强，同时封装阿里云 API 签名、OSS 图片上传相关网络工具方法，统一处理云端服务调用逻辑。

2. *云端API对接+本地人脸比对降级方案（重难点）

简述

该模块为系统核心功能，采用云端识别为主、本地算法为辅的双方案设计。

1.主方案：对接阿里云人脸比对 API 与阿里云 OSS，将前端采集的图片上传至云端存储，调用官方接口完成人脸相似度比对，识别精度高；

2.降级方案：当网络异常、云端 API 调用失败、OSS 上传出错时，自动切换为本地多特征融合算法；纯代码实现像素相似度、SSIM 结构相似度、直方图等图像特征计算，加权融合得出匹配结果。难点：阿里云 API 签名计算、OSS 文件上传、网络请求异常捕获、主备方案自动切换、两套识别逻辑阈值适配。解决方法：按照阿里云接口规范实现 HMAC-SHA1 签名逻辑，增加多级异常捕获；分别为云端、本地算法设置独立匹配阈值，保证两种模式下识别效果稳定。

核心逻辑流程

（1）云端识别主流程（优先执行）

1.接收前端Base64人脸图片，完成解码与图像预处理；

2.将图片字节流上传至阿里云OSS，获取云端图片公网URL；

3.按照阿里云OpenAPI规范计算HMAC-SHA1接口签名，调用人脸比对API；

4.解析云端返回的人脸相似度数值，设置阈值判断签到结果；

5.若网络超时、API报错、OSS上传失败，自动触发本地降级算法。

（2）本地多特征比对降级流程

1.对Base64图片解码，转为BufferedImage图像对象；

2.统一图片尺寸、转为灰度图，完成图像预处理；

3.分别计算像素相似度、SSIM结构相似度、直方图相似度；

4.求取三者平均值作为综合相似度；

5.遍历所有学生照片，筛选最优匹配，结合阈值判断签到是否成功。

3.*文件数据读写模块（重难点）

简述

系统无MySQL等数据库，采用本地JSON文件+文件夹实现数据持久化。使用Jackson框架完成JSON与Java对象的互转，结合Java IO流实现学生照片的保存与读取。同时搭配阿里云 OSS 实现人脸图片云端持久存储，形成本地 + 云端双存储方案。

难点：JSON文件读写编码乱码、图片Base64解码异常、目录自动创建、文件缺失容错。

解决方法：统一使用UTF-8编码读写文件；提前判断目录是否存在并自动创建；增加try-catch捕获IO、解析异常。

4.数据库（文件）设计

简述

本系统未使用传统关系型数据库，采用文件型数据存储方案，分为两部分：

1.学生信息文件：students.json，JSON 格式存储所有学生基础信息、照片路径、录入时间；

2.人脸照片目录：photos/文件夹，按学号_姓名.jpg规则命名存储人脸图片。

该设计轻量、无需额外安装数据库，适合小型桌面Web系统，数据结构简单清晰。同时配套阿里云 OSS 对象存储实现人脸图片云端备份与云端识别调用，形成本地文件 + 云端对象存储双存储架构。

5.接口开发与前后端交互

简述

基于 Spring Boot @RestController 开发 RESTful 接口，接收前端 JSON 请求，处理业务后返回标准 JSON 结果；配置跨域注解解决前端跨域报错。共实现 6 个核心接口，覆盖增、查、签到、签到重置全业务。

五、课程设计感想

本次Java课程设计我选择独立完成人脸识别签到系统，从项目搭建到代码调试全程自主摸索，收获很多也遇到了不少难题。

首先最大的困难是Java原生图像处理与人脸比对算法。此前只学习过基础Java语法，没有接触过Web开发、BufferedImage图像类、像素运算相关知识，一开始完全不知道如何对比两张图片。我先查阅 Java 图像处理资料，逐个学习图片缩放、灰度转换、像素读取等基础操作，再分步实现像素相似度、SSIM算法，反复调试算法公式与特征权重，解决了人脸相似度计算偏差、图片解析失败等问题，通过打印日志一步步定位bug，最终完成算法融合。

其次是文件读写与编码问题。在读写JSON和图片文件时，频繁出现中文乱码、文件找不到、Base64解码失败的情况。我逐一规范编码格式为UTF-8，增加文件目录自动创建、参数非空校验等容错逻辑，慢慢解决了数据持久化的问题。

另外，前后端跨域、端口占用、Maven 依赖冲突也是实际开发中常见的问题。通过配置跨域注解、修改服务端口、核对pom.xml依赖版本，保证项目正常运行。

这次课程设计让我把课堂上学的面向对象、集合、IO 流、Spring Boot 等知识点真正落地应用，不再局限于书本例题；本次开发除完成 Java Web 与本地图像处理开发外，还自学掌握了第三方云 API 对接、HMAC-SHA1 接口签名、OSS 对象存储等云服务相关知识，理解了「云端识别为主、本地算法降级备用」的项目容错设计思想，拓宽了网络编程与云服务开发的视野。独立开发的过程锻炼了我的问题排查能力和自主学习能力，也明白了软件开发需要严谨的逻辑和足够的耐心。