cv_resnet101_face-detection_cvpr22papermogface 与数据库课程设计结合构建人脸信息管理系统1. 引言从课堂理论到实战项目如果你是一名计算机专业的学生可能已经学过了数据库原理也接触过一些人工智能的课程。但你是否想过如何把这些看似独立的知识点串联起来做一个真正能跑起来的、有实际意义的项目比如一个能自动识别人脸并把相关信息存到数据库里进行管理的系统。这正是我们今天要聊的。很多同学在做课程设计时常常感到迷茫要么是做一个纯数据库的增删改查感觉太简单要么想引入AI又不知道如何与后端业务结合。这个“人脸信息管理系统”的项目恰好能解决这个痛点。它以一个具体的应用场景——人脸检测与信息管理——为线索将数据库设计、后端业务逻辑、AI模型调用和前端展示有机地融合在一起。我们会使用一个现成的、效果不错的人脸检测模型cv_resnet101_face-detection_cvpr22papermogface作为核心AI能力然后围绕它设计数据库表来存储检测结果编写后端接口来处理业务最终通过一个简单的界面展示出来。整个过程你会清晰地看到数据是如何从一张图片经过AI处理变成结构化的信息存入数据库又如何被查询和管理的。这不仅仅是一个课程设计更是一次完整的全栈开发实践。2. 项目整体设计系统架构与核心流程在动手写代码之前我们先得把整个系统想清楚。这个系统到底要干什么数据是怎么流动的各个部分之间怎么配合把这些理清了后面的开发就会顺畅很多。2.1 系统核心功能与需求我们这个系统的目标很明确上传一张图片自动找出里面所有的人脸然后把每张人脸的信息比如在图片中的位置、对应的姓名等保存到数据库并且能方便地进行查看、搜索和修改。具体来说它需要完成以下几件事人脸检测这是AI模型要干的活。给定一张图片模型能准确地框出人脸的位置。信息录入与管理检测到人脸后我们需要手动或自动地为这张脸关联一些信息比如人员姓名、工号、部门等并将这些信息连同人脸的位置数据一起存入数据库。数据查询与展示能够根据姓名等信息快速找到对应的人脸记录和原始图片。简单的权限与日志记录什么时间、谁上传了图片、检测到了谁便于追踪。2.2 技术栈与组件分工为了实现上述功能我们选择一套常见且易于上手的技术组合AI模型cv_resnet101_face-detection_cvpr22papermogface。这是一个基于ResNet101架构在CVPR 2022 PaperMogFace数据集上训练的人脸检测模型。它的优点是检测精度较高对复杂场景如遮挡、侧脸有一定鲁棒性。我们通过OpenCV等库来调用它。后端使用Python的Flask或Django框架。负责接收前端上传的图片调用AI模型进行检测处理业务逻辑如信息关联并与数据库进行交互增删改查。数据库MySQL。用于结构化存储所有信息包括图片元数据、人脸框位置、人员信息等。前端简单的HTML/CSS/JavaScript页面或者使用Vue/React等框架构建更友好的界面。负责图片上传、结果展示、信息填写等交互。数据流的脉络是这样的前端上传图片 - 后端接收 - 调用AI模型检测人脸 - 将检测结果人脸坐标与用户填写的信息绑定 - 将所有数据存入MySQL数据库 - 前端查询时后端从数据库读取并返回结果。3. 数据库设计如何存储人脸与信息数据库是整个系统的“记忆中枢”。设计得好后续的查询和管理就事半功倍设计得不好可能会处处碰壁。我们遵循数据库课程中学到的设计范式来规划我们的表结构。3.1 核心实体与关系分析ER图思路我们先分析一下系统里有哪些主要的“东西”实体图片Image用户上传的原始图片。人脸Face从图片中检测出来的每一张人脸。人员Person人脸对应的具体人员信息。它们之间的关系是一张图片中可以包含多个人脸1对多。一个人员可以对应多个人脸比如同一个人在不同图片中出现1对多。一张人脸必然来自一张图片并且在系统完善后最好关联到一个人员。根据这个关系我们至少需要三张表。为了记录操作痕迹还可以增加一张日志表。3.2 数据表结构定义下面我们来具体定义每张表的字段。这里以MySQL为例。-- 1. 图片表存储上传的图片元信息 CREATE TABLE image ( id INT PRIMARY KEY AUTO_INCREMENT COMMENT 图片唯一ID, filename VARCHAR(255) NOT NULL COMMENT 图片原始文件名, file_path VARCHAR(500) NOT NULL COMMENT 图片在服务器上的存储路径, upload_time DATETIME DEFAULT CURRENT_TIMESTAMP COMMENT 上传时间, uploader VARCHAR(100) COMMENT 上传者标识 ) ENGINEInnoDB DEFAULT CHARSETutf8mb4 COMMENT图片信息表; -- 2. 人员信息表存储人员的基本信息 CREATE TABLE person ( id INT PRIMARY KEY AUTO_INCREMENT COMMENT 人员唯一ID, name VARCHAR(50) NOT NULL COMMENT 姓名, employee_id VARCHAR(20) UNIQUE COMMENT 工号/学号, department VARCHAR(100) COMMENT 部门/班级, notes TEXT COMMENT 备注信息, created_time DATETIME DEFAULT CURRENT_TIMESTAMP COMMENT 创建时间 ) ENGINEInnoDB DEFAULT CHARSETutf8mb4 COMMENT人员信息表; -- 3. 人脸记录表核心表关联图片、人脸位置和人员 CREATE TABLE face ( id INT PRIMARY KEY AUTO_INCREMENT COMMENT 人脸记录唯一ID, image_id INT NOT NULL COMMENT 对应的图片ID, person_id INT COMMENT 关联的人员ID可为空未识别时, bbox_x INT NOT NULL COMMENT 人脸框左上角x坐标, bbox_y INT NOT NULL COMMENT 人脸框左上角y坐标, bbox_width INT NOT NULL COMMENT 人脸框宽度, bbox_height INT NOT NULL COMMENT 人脸框高度, confidence FLOAT COMMENT 检测置信度, created_time DATETIME DEFAULT CURRENT_TIMESTAMP COMMENT 检测记录时间, FOREIGN KEY (image_id) REFERENCES image(id) ON DELETE CASCADE, FOREIGN KEY (person_id) REFERENCES person(id) ON DELETE SET NULL ) ENGINEInnoDB DEFAULT CHARSETutf8mb4 COMMENT人脸检测记录表; -- 4. 可选操作日志表 CREATE TABLE operation_log ( id INT PRIMARY KEY AUTO_INCREMENT, operation_type VARCHAR(20) COMMENT 操作类型如UPLOAD, DETECT, ASSOCIATE, target_id INT COMMENT 操作目标ID如图片ID, operator VARCHAR(100), details TEXT COMMENT 操作详情, operation_time DATETIME DEFAULT CURRENT_TIMESTAMP ) ENGINEInnoDB DEFAULT CHARSETutf8mb4 COMMENT系统操作日志表;设计要点说明外键约束face表通过image_id和person_id关联到另外两张表并设置了删除时的级联或置空策略保证了数据的一致性。坐标存储人脸位置用矩形框的左上角坐标(bbox_x, bbox_y)和宽高(bbox_width, bbox_height)表示这是目标检测模型的通用输出格式。预留字段person_id允许为NULL考虑到了检测后可能无法立即确定人员身份的情况后续可以开发一个“人脸-人员关联”功能来补充。索引建议在实际应用中可以在face.image_id,face.person_id,person.name等字段上建立索引以加快查询速度。4. 后端核心实现连接AI与数据库数据库设计好了接下来就是让后端程序“动”起来。后端的核心任务有两个一是调用AI模型处理图片二是作为桥梁连接前端请求和数据库操作。4.1 环境搭建与模型初始化首先我们需要准备Python环境并安装必要的库。# 假设使用Flask作为后端框架 pip install flask flask-cors pymysql opencv-python torch torchvision # 注意cv_resnet101_face-detection_cvpr22papermogface 可能需要从特定的模型仓库加载 # 例如它可能是一个TorchVision或Detectron2的模型请根据具体来源安装对应依赖。然后我们编写一个工具模块来加载和使用人脸检测模型。这里假设模型可以通过TorchHub加载。# face_detector.py import cv2 import torch import numpy as np class FaceDetector: def __init__(self, model_namecv_resnet101_face-detection_cvpr22papermogface): 初始化人脸检测器。 注意此处model_name和加载方式需根据模型实际发布位置调整。 这里仅为示例流程。 # 示例假设模型可通过torch.hub加载 # self.model torch.hub.load(repository_path, model_name, pretrainedTrue) # 在实际项目中你需要替换为模型正确的加载方式。 self.model None # 此处应为加载的模型 self.device torch.device(cuda if torch.cuda.is_available() else cpu) if self.model: self.model.to(self.device) self.model.eval() print(fFace detector initialized on {self.device}) def detect(self, image_path): 检测图片中的人脸。 参数: image_path: 图片文件路径 返回: faces: 一个列表每个元素是[x, y, width, height, confidence] # 读取图片 img cv2.imread(image_path) if img is None: return [] # 将BGR转换为RGB (如果模型需要) img_rgb cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 此处应替换为实际模型的预处理和前向推理代码 # 例如 # input_tensor preprocess(img_rgb) # with torch.no_grad(): # predictions self.model(input_tensor) # faces postprocess(predictions, img.shape) # 为了演示我们这里模拟一个检测结果 # 假设检测到一张人脸坐标为[100, 150, 200, 250]置信度0.98 # 实际项目中这里应该是模型真正的输出 height, width img.shape[:2] # 模拟数据开始 faces [] # 模拟一个检测框 x, y, w, h 100, 150, 200, 250 conf 0.98 # 确保坐标在图片范围内 x, y, w, h [max(0, v) for v in [x, y, w, h]] w min(w, width - x) h min(h, height - y) faces.append([int(x), int(y), int(w), int(h), float(conf)]) # 模拟数据结束 return faces, img.shape # 返回人脸列表和图片尺寸4.2 业务逻辑上传、检测与存储接下来我们使用Flask创建Web服务实现核心的图片上传、人脸检测和数据入库逻辑。# app.py from flask import Flask, request, jsonify from flask_cors import CORS import pymysql import os from datetime import datetime from face_detector import FaceDetector import uuid app Flask(__name__) CORS(app) # 允许跨域请求便于前端调试 # 数据库配置 db_config { host: localhost, user: your_username, password: your_password, database: face_management_db, charset: utf8mb4 } # 初始化人脸检测器 detector FaceDetector() # 图片上传目录 UPLOAD_FOLDER ./uploads os.makedirs(UPLOAD_FOLDER, exist_okTrue) app.config[UPLOAD_FOLDER] UPLOAD_FOLDER def get_db_connection(): 获取数据库连接 return pymysql.connect(**db_config) app.route(/api/upload, methods[POST]) def upload_and_detect(): 接收图片进行人脸检测并将元信息存入数据库 if image not in request.files: return jsonify({error: No image file provided}), 400 file request.files[image] uploader request.form.get(uploader, anonymous) if file.filename : return jsonify({error: No selected file}), 400 # 1. 保存图片文件 file_extension os.path.splitext(file.filename)[1] unique_filename f{uuid.uuid4().hex}{file_extension} file_path os.path.join(app.config[UPLOAD_FOLDER], unique_filename) file.save(file_path) connection None cursor None try: connection get_db_connection() cursor connection.cursor() # 2. 将图片信息存入image表 sql_image INSERT INTO image (filename, file_path, uploader) VALUES (%s, %s, %s) cursor.execute(sql_image, (file.filename, file_path, uploader)) image_id cursor.lastrowid # 获取刚插入的图片ID connection.commit() # 3. 调用人脸检测模型 faces, img_shape detector.detect(file_path) face_results [] # 4. 将每张人脸信息存入face表 (此时person_id为空) for (x, y, w, h, conf) in faces: sql_face INSERT INTO face (image_id, bbox_x, bbox_y, bbox_width, bbox_height, confidence) VALUES (%s, %s, %s, %s, %s, %s) cursor.execute(sql_face, (image_id, x, y, w, h, conf)) face_id cursor.lastrowid face_results.append({ face_id: face_id, bbox: [x, y, w, h], confidence: conf }) connection.commit() # 可选记录日志 # log_operation(UPLOAD_AND_DETECT, image_id, uploader, fDetected {len(faces)} faces) return jsonify({ success: True, image_id: image_id, filename: file.filename, detected_faces: len(faces), faces: face_results, image_url: f/uploads/{unique_filename} # 假设有静态文件服务 }) except Exception as e: if connection: connection.rollback() print(fError during upload and detection: {e}) return jsonify({error: Internal server error}), 500 finally: if cursor: cursor.close() if connection: connection.close() app.route(/api/person, methods[POST]) def create_person(): 创建一条新的人员信息 data request.json name data.get(name) employee_id data.get(employee_id) department data.get(department) if not name: return jsonify({error: Name is required}), 400 connection None cursor None try: connection get_db_connection() cursor connection.cursor() sql INSERT INTO person (name, employee_id, department) VALUES (%s, %s, %s) cursor.execute(sql, (name, employee_id, department)) person_id cursor.lastrowid connection.commit() return jsonify({success: True, person_id: person_id}) except pymysql.err.IntegrityError as e: # 处理唯一约束错误例如employee_id重复 return jsonify({error: Duplicate employee ID or other constraint failed}), 400 except Exception as e: print(fError creating person: {e}) return jsonify({error: Internal server error}), 500 finally: if cursor: cursor.close() if connection: connection.close() app.route(/api/face/int:face_id/associate, methods[POST]) def associate_face_with_person(): 将一条人脸记录关联到某个人员 face_id request.view_args.get(face_id) data request.json person_id data.get(person_id) if not person_id: return jsonify({error: person_id is required}), 400 connection None cursor None try: connection get_db_connection() cursor connection.cursor() sql UPDATE face SET person_id %s WHERE id %s cursor.execute(sql, (person_id, face_id)) if cursor.rowcount 0: return jsonify({error: Face record not found}), 404 connection.commit() return jsonify({success: True}) except Exception as e: connection.rollback() print(fError associating face: {e}) return jsonify({error: Internal server error}), 500 finally: if cursor: cursor.close() if connection: connection.close() app.route(/api/search, methods[GET]) def search_faces(): 根据人员姓名搜索相关的人脸记录 name_query request.args.get(name, ) if not name_query: return jsonify({error: Name query parameter is required}), 400 connection None cursor None try: connection get_db_connection() cursor connection.cursor(pymysql.cursors.DictCursor) # 返回字典格式 sql SELECT f.id as face_id, f.bbox_x, f.bbox_y, f.bbox_width, f.bbox_height, i.file_path, i.filename, p.name, p.department FROM face f JOIN image i ON f.image_id i.id LEFT JOIN person p ON f.person_id p.id WHERE p.name LIKE %s ORDER BY f.created_time DESC cursor.execute(sql, (f%{name_query}%,)) results cursor.fetchall() return jsonify({success: True, results: results}) except Exception as e: print(fError searching faces: {e}) return jsonify({error: Internal server error}), 500 finally: if cursor: cursor.close() if connection: connection.close() if __name__ __main__: app.run(debugTrue, port5000)这段代码搭建了一个简易但功能完整的后端。它提供了四个核心API/api/upload上传图片触发人脸检测保存图片和人脸框数据。/api/person创建人员信息。/api/face/face_id/associate将检测到的人脸框与某个人员信息关联起来。/api/search根据姓名模糊查询相关的人脸记录和图片信息。5. 前端界面与功能演示后端API准备好了我们需要一个简单的前端界面来使用它们。这里我们用最基础的HTML、JavaScript和一点点CSS来构建方便理解。5.1 核心页面上传与关联创建一个index.html文件实现图片上传、检测结果展示以及人脸-人员关联功能。!DOCTYPE html html langzh-CN head meta charsetUTF-8 meta nameviewport contentwidthdevice-width, initial-scale1.0 title人脸信息管理系统/title style body { font-family: sans-serif; margin: 20px; } .container { max-width: 1200px; margin: auto; } .section { margin-bottom: 30px; padding: 20px; border: 1px solid #ddd; border-radius: 5px; } .preview-img { max-width: 600px; border: 1px solid #ccc; margin-top: 10px; position: relative; } .face-box { position: absolute; border: 2px solid #0f0; background-color: rgba(0, 255, 0, 0.1); box-sizing: border-box; } .face-info { position: absolute; color: #0f0; background: rgba(0,0,0,0.5); font-size: 12px; padding: 2px; } input, button { margin: 5px; padding: 8px; } table { border-collapse: collapse; width: 100%; margin-top: 10px;} th, td { border: 1px solid #aaa; padding: 8px; text-align: left;} /style /head body div classcontainer h1人脸信息管理系统 - 课程设计演示/h1 div classsection h21. 上传图片并检测人脸/h2 input typefile idimageInput acceptimage/* input typetext iduploaderName placeholder上传者姓名可选 button onclickuploadImage()上传并检测/button div iduploadStatus/div div idimagePreviewContainer !-- 图片和检测框将在这里动态生成 -- /div div iddetectedFacesList/div /div div classsection h22. 管理/关联人员信息/h2 h3创建新人员/h3 input typetext idpersonName placeholder姓名 * input typetext idpersonEmpId placeholder工号 input typetext idpersonDept placeholder部门 button onclickcreatePerson()创建人员/button div idpersonStatus/div h3将人脸关联到人员/h3 p在上一步检测到的人脸列表中选择一个人脸ID并输入要关联的人员ID。/p 人脸ID: input typenumber idfaceIdToAssoc 人员ID: input typenumber idpersonIdToAssoc button onclickassociateFace()关联/button div idassocStatus/div /div div classsection h23. 查询人脸信息/h2 input typetext idsearchName placeholder输入姓名进行搜索 button onclicksearchFaces()搜索/button div idsearchResults !-- 搜索结果表格将在这里动态生成 -- /div /div /div script const API_BASE http://localhost:5000/api; // 后端API地址 // 1. 上传图片函数 async function uploadImage() { const fileInput document.getElementById(imageInput); const uploader document.getElementById(uploaderName).value || anonymous; const statusDiv document.getElementById(uploadStatus); const previewContainer document.getElementById(imagePreviewContainer); const faceListDiv document.getElementById(detectedFacesList); if (!fileInput.files[0]) { statusDiv.innerHTML span stylecolor:red;请先选择一张图片。/span; return; } const formData new FormData(); formData.append(image, fileInput.files[0]); formData.append(uploader, uploader); statusDiv.innerHTML 正在上传并检测...; previewContainer.innerHTML ; faceListDiv.innerHTML ; try { const response await fetch(${API_BASE}/upload, { method: POST, body: formData }); const result await response.json(); if (result.success) { statusDiv.innerHTML span stylecolor:green;成功检测到 ${result.detected_faces} 张人脸。/span; // 显示图片和检测框 const img new Image(); img.onload function() { previewContainer.innerHTML ; const wrapper document.createElement(div); wrapper.style.position relative; wrapper.style.display inline-block; wrapper.appendChild(img); img.className preview-img; // 绘制人脸框 result.faces.forEach(face { const box document.createElement(div); box.className face-box; box.style.left ${face.bbox[0]}px; box.style.top ${face.bbox[1]}px; box.style.width ${face.bbox[2]}px; box.style.height ${face.bbox[3]}px; box.title ID: ${face.face_id}, Conf: ${face.confidence.toFixed(2)}; wrapper.appendChild(box); }); previewContainer.appendChild(wrapper); }; // 注意这里需要根据你的后端实际返回的图片URL来设置src // 假设后端返回了可访问的图片URL img.src result.image_url || URL.createObjectURL(fileInput.files[0]); // 列出检测到的人脸信息 let faceListHtml h4检测到的人脸列表/h4ul; result.faces.forEach(face { faceListHtml li人脸ID: ${face.face_id}, 坐标: [${face.bbox}], 置信度: ${face.confidence.toFixed(2)}/li; }); faceListHtml /ul; faceListDiv.innerHTML faceListHtml; } else { statusDiv.innerHTML span stylecolor:red;错误${result.error}/span; } } catch (error) { console.error(Upload error:, error); statusDiv.innerHTML span stylecolor:red;网络请求失败。/span; } } // 2. 创建人员函数 async function createPerson() { const name document.getElementById(personName).value; const empId document.getElementById(personEmpId).value; const dept document.getElementById(personDept).value; const statusDiv document.getElementById(personStatus); if (!name) { statusDiv.innerHTML span stylecolor:red;姓名不能为空。/span; return; } const data { name, employee_id: empId, department: dept }; try { const response await fetch(${API_BASE}/person, { method: POST, headers: { Content-Type: application/json }, body: JSON.stringify(data) }); const result await response.json(); if (result.success) { statusDiv.innerHTML span stylecolor:green;人员创建成功ID: ${result.person_id}/span; // 清空表单 document.getElementById(personName).value ; document.getElementById(personEmpId).value ; document.getElementById(personDept).value ; } else { statusDiv.innerHTML span stylecolor:red;错误${result.error}/span; } } catch (error) { console.error(Create person error:, error); statusDiv.innerHTML span stylecolor:red;网络请求失败。/span; } } // 3. 关联人脸函数 async function associateFace() { const faceId document.getElementById(faceIdToAssoc).value; const personId document.getElementById(personIdToAssoc).value; const statusDiv document.getElementById(assocStatus); if (!faceId || !personId) { statusDiv.innerHTML span stylecolor:red;人脸ID和人员ID都不能为空。/span; return; } const data { person_id: parseInt(personId) }; try { const response await fetch(${API_BASE}/face/${faceId}/associate, { method: POST, headers: { Content-Type: application/json }, body: JSON.stringify(data) }); const result await response.json(); if (result.success) { statusDiv.innerHTML span stylecolor:green;关联成功/span; } else { statusDiv.innerHTML span stylecolor:red;错误${result.error}/span; } } catch (error) { console.error(Associate error:, error); statusDiv.innerHTML span stylecolor:red;网络请求失败。/span; } } // 4. 搜索函数 async function searchFaces() { const name document.getElementById(searchName).value; const resultsDiv document.getElementById(searchResults); if (!name) { resultsDiv.innerHTML span stylecolor:red;请输入搜索姓名。/span; return; } try { const response await fetch(${API_BASE}/search?name${encodeURIComponent(name)}); const result await response.json(); if (result.success) { if (result.results.length 0) { let tableHtml h4查询结果/h4tabletrth人脸ID/thth姓名/thth部门/thth来源图片/thth位置/th/tr; result.results.forEach(row { tableHtml tr td${row.face_id}/td td${row.name || 未关联}/td td${row.department || -}/td td${row.filename}/td td(${row.bbox_x}, ${row.bbox_y}, ${row.bbox_width}, ${row.bbox_height})/td /tr; }); tableHtml /table; resultsDiv.innerHTML tableHtml; } else { resultsDiv.innerHTML span未找到相关记录。/span; } } else { resultsDiv.innerHTML span stylecolor:red;搜索错误${result.error}/span; } } catch (error) { console.error(Search error:, error); resultsDiv.innerHTML span stylecolor:red;网络请求失败。/span; } } /script /body /html这个前端页面虽然简陋但功能齐全。它包含了三个主要区域上传检测区、人员管理区和信息查询区。通过调用我们写好的后端API实现了从上传图片到查看结果的完整闭环。你可以看到检测到的人脸会用绿色框标出来并且可以创建人员信息再将人脸框与人员关联起来最后还能通过姓名进行搜索。6. 总结与项目扩展思考走完这个完整的流程你应该对人脸信息管理系统如何从零搭建有了一个清晰的认识。我们不仅仅是在调用一个AI模型更重要的是围绕它设计了一套数据流转的体系。从图片上传开始到人脸坐标的提取、结构化存储、关联业务信息再到最终的查询展示每一个环节都离不开数据库的支撑。这正是数据库课程设计想要让你掌握的如何为一个具体的应用场景设计合理的数据模型并通过编程实现数据的持久化与业务逻辑。这个基础版本已经具备了核心功能但作为一个课程设计项目你完全可以在此基础上进行深化和扩展让它更加完善和实用。比如你可以考虑加入人脸特征提取与比对功能实现“以图搜人”而不仅仅是依赖手动关联。或者你可以引入更复杂的权限管理系统区分管理员和普通用户。前端界面也可以用Vue或React重写使其更加美观和交互友好。数据库方面可以考虑对海量人脸特征向量进行优化存储和检索这又会涉及到新的技术选型。希望这个项目能成为一个好的起点帮助你融会贯通数据库、Web开发和人工智能这些知识点。真正的能力提升就体现在如何将这些独立的技术模块像拼图一样组合成一个能解决实际问题的、完整的系统。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。