企业官网建设流程全解析

最近帮朋友看一个考勤项目的代码，他照着网上教程用 OpenCV 做人脸检测，再用 TensorFlow 训练了一个 CNN 模型做身份识别，摄像头画面里也能看到人脸框，偶尔也能跳出名字，但换个角度、换个光照就频繁认错人。这个现象其实非常典型，因为很多人把“基于深度学习的人脸识别系统”理解成了“下载一个现成模型然后调用”，跳过了需求拆分、数据处理和训练调优这些真正决定成败的环节。

我在这条路上踩过的坑不算少，从纯 OpenCV 的人脸检测，到 TensorFlow 训练 CNN 完成封闭人员集合的识别，再到接入门禁设备、做实时摄像头推理，绕了不少远路。这篇内容面向两类人：一类是正在做毕业设计或者课程项目的学生，另一类是要在公司内部做刷脸考勤、门禁签到、会员识别的开发。我会尽量把从环境安装、数据准备、模型训练到摄像头实时识别的完整链路讲清楚，重点放在那些教程不会细说、但实际工程里非常影响体验的细节上。

1. 先拆需求：人脸检测和人脸识别并不是一回事

很多人一开始就把项目想简单了，觉得“人脸识别”就是把一张图片丢进去，然后输出是谁。实际上，一套可用的系统至少包含检测、对齐、识别三个环节，而且这三个环节的技术选型和优化方向完全不同。如果你不做区分，后期出问题的时候连排查方向都找不到。

1.1 检测、对齐、识别、验证，四类任务别混在一起

用一张实际监控画面举例：摄像头里走来一个人，系统先要在整张画面里找到人脸的位置，输出一个矩形框，这是人脸检测；接下来要把框里的脸做几何校正，让眼睛、鼻子的位置尽量对齐到一个标准模板，这是人脸对齐；最后把校正好的脸部图送给模型，输出“这个人是谁”，这才是严格意义上的人脸识别。

如果把概念再往下拆，人脸验证和人脸识别的差别也很大。验证是 1:1 的问题，比如手机解锁时确认“你是你”；识别是 1:N 的问题，比如门禁系统判断“你是员工库里的哪一位”。两者的模型设计、阈值设定和工程复杂度都不同。网上很多所谓的“人脸识别 Demo”，实际上只做了检测和画框，根本没有任何身份判断能力，这就是为什么很多初学者照着敲完代码后会觉得“好像少了什么”。

1.2 看清使用场景：封闭集和开放集的差异

做系统设计前，一定要先判断你要面对的是封闭集还是开放集问题。封闭集的意思是，需要识别的人就固定那么几十个或者几百个，谁录入过谁就是合法用户，新用户需要重新注册。考勤、门禁、会议室签到基本都是这种场景。开放集则复杂得多，你没法预知会出现谁，比如公安布控、商场客流分析，模型不仅要判断“是哪个人”，还要判断“这个人是否在库里”，库外人员不能被强行归到某个 ID 上。

我做的项目大多属于封闭集场景，人员相对固定，不会频繁大规模变动，因此用 CNN 分类模型完全够用。每个注册人员就是一个类别，模型输出每个人对应的概率，概率超过某个阈值就认为是这个人，低于阈值则拒绝识别并提示重新录入。这种方案的工程实现简单，训练数据也好组织，适合第一次做这类系统的开发者。如果你要做一个需要频繁增删人员的系统，那就要向特征向量方向演进，后面我会专门说明分类式和特征向量式两种做法的差别。

2. OpenCV、TensorFlow、CNN 在这套系统里的分工边界

标题里同时出现 OpenCV、TensorFlow 和 CNN，初学者很容易误会这三者是竞争关系，以为要么用 OpenCV，要么用 TensorFlow。实际工程中，它们解决的是不同层面的问题，组合使用才是主流。

2.1 OpenCV 管图像处理，TensorFlow 管模型训练，CNN 管特征学习

OpenCV 在这套系统里承担的是图像采集、几何变换、人脸区域提取这些前置工作。它本身不是深度学习框架，但你离不开它来处理视频流、灰度化、直方图均衡化、画框、裁剪、缩放这些操作，尤其是调用摄像头和把每一帧图像转换成模型输入，OpenCV 几乎是绕不开的选择。很多嵌入式设备、摄像头厂商的 SDK 也都会内置或者兼容 OpenCV，因为它处理像素级任务确实非常成熟。

TensorFlow 的角色是训练和部署 CNN 模型。CNN 要学的不是简单的颜色、边缘规则，而是从大量人脸样本中自动学习到能够区分不同人的特征组合。举例来说，眼睛距离、颧骨轮廓、下颌线条这些信息的组合方式很难用手工特征描述，CNN 通过卷积核在图像上滑动，逐层提取低级到高级的特征，最后由全连接层把这些特征映射到“这是张三、李四还是王五”。

这里有个容易混淆的点：OpenCV 本身也提供了很多分类器，比如 Haar Cascade、LBP，它们也能做人脸检测，甚至在 CPU 上跑得很快。但在复杂光照、角度变化较大的场景里，传统分类器的鲁棒性不如基于深度学习的检测器。所以常见的项目分工是：OpenCV 负责人脸检测框和人脸对齐（可以配合深度学习检测模型），TensorFlow 负责最终的“身份判断”。

2.2 分类式和特征向量式：CNN 模型两种输出思路

在 TensorFlow 里组织 CNN 模型，输出的方式会直接影响系统的扩展性。第一种思路是分类式，把每个注册用户做成一个类别。假设系统里有 20 个人，那模型的最后一层就是 20 个输出节点，使用 Softmax 激活函数，输出一个人属于各个类别的概率，概率最高的类别就是当前识别结果。这种思路非常直观，代码也很容易写，但缺点是新加一个人就要重新训练网络，因为输出节点数量变了。

第二种思路是特征向量式，CNN 不直接输出人的身份，而是输出一个固定长度的特征向量，比如 128 维或者 512 维。训练目标通过三元组损失或 ArcFace 这类损失函数来拉近同一个人的特征距离，同时推远不同人的特征距离。实际识别的时候，把当前人脸图片的特征向量和注册库里的所有特征向量做余弦相似度或者欧氏距离比较，找到距离最近且低于阈值的人。这种思路适合人员库经常变化的场景，因为新增人员只需要把新人的特征向量加入向量库，不用重新训练网络。

对于刚起步的项目，我建议先用分类式把整个流程跑通，因为它的调试更容易、代码量更少。等真正理解了 CNN 的工作原理，再切换到特征向量式来提升扩展性。我在早期项目里直接上手特征向量式，结果损失函数不收敛、距离阈值不知道怎么调，排查了很久才发现自己连基础的数据组织和训练流程都没掌握好。

3. 环境搭建中的隐性关卡：版本、DLL 与 CUDA 的连环坑

如果你在搜索引擎里输入“opencv 安装”“tensorflow 安装”，能搜出大量教程，但几乎每篇教程都默认你的环境是干净的。真实情况是，大多数初学者卡在环境搭建，而不是模型设计。

3.1 Anaconda 环境隔离：千万别用基础环境直接装

我的习惯是先用 Anaconda 创建独立的环境，避免把系统 Python 搞乱。推荐 Python 3.9 或 3.10，不要追新。TensorFlow 对过高版本的 Python 适配往往有延迟，而 OpenCV 的预编译包在更新的 Python 上也可能出现找不到 DLL 的情况。这里给出一组我测试过比较稳的命令：

conda create -n face python=3.9 -y conda activate face pip install opencv-python==4.8.1.78 pip install tensorflow-cpu==2.13.0

使用tensorflow-cpu是一个非常重要的避坑点。如果你没有 NVIDIA 显卡，或者显卡驱动、CUDA 版本不匹配，安装完整版 TensorFlow 后，运行时会直接报 DLL 加载失败。TensorFlow 在 Windows 上加载动态链接库时会输出类似[tensorflow dll diagnostic]的日志，告诉你缺少了什么库。很多人看到这一大段日志就懵了，其实核心原因无非是两类：一是缺少 Microsoft Visual C++ Redistributable 运行库，二是 CUDA 和 cuDNN 版本与 TensorFlow 版本不匹配。

提示：如果你想先用 CPU 跑通代码，可以直接安装tensorflow-cpu，不依赖 CUDA，能省掉 70% 的环境问题。

3.2 OpenCV 安装的两大常见错误：包冲突和拼写错误

OpenCV 的 Python 包名不是opencv，而是opencv-python。很多人用pip install opencv，装了一个名称占用包，代码里import cv2永远报ModuleNotFoundError。另一个问题是opencv-python和opencv-contrib-python同时安装，两个包会争夺同一个cv2目录，导致某些模块损坏。如果你需要用到 SIFT、KAZE 这类 contrib 扩展算法，只安装opencv-contrib-python就够了；如果只是做人脸检测、图像变换，普通版就够。

我在 Windows 上踩过最深的坑，是 conda 环境和 pip 环境混用。比如你先用conda install opencv装了一份，又用 pip 在同一个环境里装了另一份，虽然系统不会报错，但版本被覆盖后，cv2 的版本号会和你预期的完全不一致。排查方法很简单：激活环境后用python -c "import cv2; print(cv2.__version__)"看实际生效的是哪个版本。

3.3 有 GPU 之后的 Deep Learning 环境：CUDA 版本不是越新越好

很多初学者装好 CPU 版本之后，觉得训练速度太慢，又去找 GPU 版本的教程，这是环境问题的高发区。TensorFlow 2.10 及早期版本在 Windows 上需要手动安装 CUDA 和 cuDNN，而且 TensorFlow、CUDA、cuDNN 三者存在一一对应的版本关系。如果你想使用 GPU 训练，先查阅官方文档确认对应关系，再安装对应版本的 CUDA Toolkit 和 cuDNN，并修改系统环境变量 PATH。不要直接用“最新版本”的 CUDA，那往往不被 TensorFlow 支持。

从实际开发和教学角度看，我推荐在 Windows 上先跑通 CPU 版本，Windows 的本地 GPU 支持本身比较折腾。Linux 服务器或者 WSL 环境会顺利得多。如果你的项目数据量不大，CPU 训练一个小型 CNN 也不会慢到哪里去，完全够做技术验证。

4. 数据准备决定了模型上限：人脸对齐与数据增强的细节

很多人在项目里习惯先找开源数据集，再训练一个模型。但现实是，开源数据集和你的实际应用场景往往存在分布差异。比如你是做室内门禁，采集到的图像大多是顺光、正脸、表情自然；而开源人脸数据集里可能有大量明星照片、剧烈表情和夸张角度，模型在这些数据上表现好，不等于在你的门禁摄像头下表现好。

4.1 自己采集数据时的最小集规模

如果必须自己采集训练数据，我建议先把数据目录组织好。一个简单的结构是：

dataset/ train/ zhangsan/ img_001.jpg img_002.jpg lisi/ img_001.jpg val/ zhangsan/ img_030.jpg

每个人训练集不少于 30 到 50 张，建议采集时覆盖不同早晚光照、左右轻微转头、戴不戴眼镜等状态。数量并不是越多越好，关键是覆盖系统上线后会出现的真实变化。如果你的训练数据全是正脸、顺光、不带口罩，上线后一点点侧脸都会让准确率急剧下降。这里可以参考工业视觉里的说法：先保证数据分布接近真实场景，后面调的每一轮参数才有意义。

4.2 人脸对齐：不要只把检测框里的内容丢给网络

有些人实现识别时很简单，把人脸检测框里的图像直接 resize 成固定尺寸，比如 64×64，然后丢给 CNN。这样做的隐患是，人脸检测框本身可能包含不同的额头、下巴比例，脸部在框里的位置并不固定。不同的尺度、旋转、平移引入的额外变化，会占用 CNN 的建模能力，导致模型要花更多参数去拟合这些无关几何变化。

更规范的做法是做人脸对齐。先通过人脸检测器得到人脸框，再用关键点检测模型定位两只眼睛的位置，最后用 OpenCV 的仿射变换把两只眼睛映射到固定坐标。比如将两眼连线旋转到水平方向，并且让两只眼睛分别落在(0.3, 0.4)和(0.7, 0.4)这类归一化位置，然后裁剪出统一尺寸。这样，模型接收到的每张脸在几何位置上就是对齐的，CNN 可以把学习能力更多用在区分人本身，而不是适应框的偏移。

提示：dlib 的 68 点关键点模型很经典，OpenCV 也自带人脸关键点检测模型，实际落地可以用 OpenCV 的 YuNet 检测器直接输出人脸框和五点关键坐标。关键点模型对于戴口罩场景可能不稳定，需要额外测试。

4.3 数据增强的正确打开方式

数据增强是提高模型泛化能力的重要手段，但很多人容易做过头。对灰度图做小角度旋转、小范围平移、亮度抖动、对比度变化、高斯噪声，通常可以提升模型的鲁棒性。TensorFlow 的ImageDataGenerator或者 Keras 的预处理层都可以实现。更推荐的是在训练过程中做在线增强，每一轮迭代读入图像时都做随机变换，相当于用同样的原始数据生成了无限多的训练样本。

需要注意，水平翻转增强在人脸识别里要谨慎。如果系统主要是正脸识别，翻转到左脸和右脸的互换通常问题不大，但如果后续要处理侧脸，过度的翻转反而会引入不合理样本。另外，模糊过度、遮挡过多的“增强”样本会让模型的训练难度大幅提升，不一定获得更好的泛化效果。

模型上限其实是数据决定的，这一点别等到训练后才发现。数据质量差，再好的网络结构也会过拟合到一堆噪声上。

5. CNN 网络结构怎么定，以及训练轮数和精度的关系

网络结构部分，我给你的第一个建议是：不要一开始就搬 ResNet、MobileNet 这种大网络。第一次做 CNN 人脸识别系统，数据集可能只有几十个人的几百张图片，一个几百万参数的大模型在这个数据量下面必然严重过拟合。

5.1 一个可以跑通封闭集识别的轻量 CNN 结构

参考很多入门项目的实际情况，可以用一个三组卷积加池化的小网络，配合 Dropout 和 BatchNormalization。输入尺寸选 64×64 灰度图即可，彩色图也可以，但灰度图能显著减少计算量。对大多数室内场景，灰度信息足够区分人脸身份。

import tensorflow as tf from tensorflow.keras import layers, models model = models.Sequential([ layers.Input(shape=(64, 64, 1)), layers.Conv2D(32, (3, 3), activation='relu', padding='same'), layers.BatchNormalization(), layers.MaxPooling2D((2, 2)), layers.Conv2D(64, (3, 3), activation='relu', padding='same'), layers.BatchNormalization(), layers.MaxPooling2D((2, 2)), layers.Conv2D(128, (3, 3), activation='relu', padding='same'), layers.BatchNormalization(), layers.MaxPooling2D((2, 2)), layers.Flatten(), layers.Dropout(0.5), layers.Dense(128, activation='relu'), layers.Dense(num_classes, activation='softmax') ]) model.compile( optimizer=tf.keras.optimizers.Adam(learning_rate=0.001), loss='sparse_categorical_crossentropy', metrics=['accuracy'] )

这个结构基于一个很直接的逻辑：每经过一组卷积，图像的尺寸缩小一半，通道数增加一倍，这样可以在不同尺度上提取特征，同时控制参数量。BatchNormalization 的作用是让每一层输入保持在合适的范围内，加速收敛；Dropout 在训练时随机丢弃一部分神经元，是抑制过拟合的常用手段。最终输出层使用 Softmax 时，每个输出节点对应一个人，输出值代表模型判断当前人脸属于该人的概率。

5.2 训练轮数与精度的关键问题：盲目增大 epochs 是新手通病

“深度学习训练轮数精度”是一个在搜索平台被反复问的问题，很多人以为训练轮数越多精度越高。训练初期，随着迭代次数增加，模型在训练集和验证集上的精度都会上升。但训练到一定阶段后，训练集精度继续上升，验证集精度却开始下降或者震荡，这就是过拟合信号——模型开始把训练样本的个体细节当成通用规律，比如把张三背后的特定桌子纹理也当成张三人脸的组成部分。

解决办法有两个：一是设置早停回调，当验证集精度连续若干个 epochs 不提升时停止训练；二是把训练集中一部分数据留出来做验证，不要只看训练集误差来评判模型好坏。

from tensorflow.keras.callbacks import EarlyStopping, ModelCheckpoint callbacks = [ EarlyStopping(monitor='val_loss', patience=10, restore_best_weights=True), ModelCheckpoint('face_model.h5', monitor='val_loss', save_best_only=True) ] history = model.fit( train_generator, validation_data=val_generator, epochs=50, callbacks=callbacks )

在你查看训练日志时，不要只看accuracy，还要关注val_accuracy。如果两者差距越来越大，说明模型过拟合了。训练结束后把训练曲线画出来，观察损失下降是否平滑，学习率是否需要调低。关于 epochs 的选择，对小型数据集，50 轮以内通常足够；如果训练到 50 轮验证集还在提升，可以继续增加轮数，但一定要配合早停，避免模型在后期震荡。

5.3 软阈值背后的工程含义

在 Softmax 分类输出中，模型即使面对一个完全没训练过的陌生人，也会给出某一类的较高概率。这并不代表系统正确识别人了，因为模型在封闭集里没有“都不是”这个选项。所以在实际识别中，不能只看概率最大的类别，要看这个概率是否大于设定好的阈值，比如 0.6 或 0.7。如果最大概率才 0.35，说明模型自己也“心里没底”，这时应该输出“未识别”而不是强行给出一个名字。阈值具体设多少，需要通过验证集来统计同类间的相似度分布和不同人之间的相似度分布，在两者之间取一个平衡点。

6. 从模型到摄像头：实时识别链路的完整实现思路

模型训练结束后，真正的考验才开始：如何让摄像头画面稳定地完成实时识别，而不是卡成幻灯片或者每隔几秒才出一帧结果。这里考验的是工程部署能力，很多人栽在这一步。

6.1 单线程读取为什么卡顿

一个典型的错误代码结构是：主循环读取一帧，立即做一次人脸检测，然后对检测到的人脸做一次模型推理，推理完成后把结果画在画面上，再进入下一帧。看起来思路清晰，但模型推理一次可能需要几十到几百毫秒，在推理期间摄像头缓冲区会堆积大量旧帧，画面自然就会卡顿，而且系统的实时性丧失殆尽。

更好的做法是把取帧、检测、识别拆开，用队列连接。一个线程不断从摄像头读取最新帧并放入队列；检测线程从队列取帧，每隔 200 毫秒或 300 毫秒才做一次人脸检测；识别线程把人脸框图像送给 CNN 推理。由于人脸的重复识别不需要每帧都做，这种异步结构可以大幅提高流畅度。

为了保证写代码的人能快速理解，这里给一个简化版的伪代码思路：

import cv2 import numpy as np import tensorflow as tf cap = cv2.VideoCapture(0) face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') model = tf.keras.models.load_model('face_model.h5') class_names = ['zhangsan', 'lisi', 'wangwu'] while True: ret, frame = cap.read() if not ret: break gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) faces = face_cascade.detectMultiScale(gray, 1.1, 5, minSize=(64, 64)) for (x, y, w, h) in faces: face = gray[y:y + h, x:x + w] face = cv2.resize(face, (64, 64)) face = face / 255.0 face = face.reshape(1, 64, 64, 1) pred = model.predict(face, verbose=0)[0] label = int(np.argmax(pred)) conf = float(pred[label]) if conf > 0.7: name = class_names[label] cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2) cv2.putText(frame, f"{name}: {conf:.2f}", (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cv2.imshow('face recognition', frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows()

以上是单线程版本，适合验证，但如果要部署成连续运行的服务，建议加上多线程。在多人同时出现在画面中的场景，每一帧可能检测出多张人脸，每张脸都要送模型推理，计算量成倍增加，这时更需要控制识别频率。一个实用的做法是每秒钟只对每个检测框做一次推理，中间的帧只做跟踪，把同一人的框位置关联起来。

6.2 连续帧结果过滤：不要因为一帧误判就开门

单人脸识别系统的输出其实很不稳定，光照抖动、面部表情变化、轻微运动模糊都会让模型在不同帧之间给出不同结果。因此，实际工程中不能因为某一帧识别出了张三就直接放行，而是要在连续若干帧中统计识别结果，比如连续 5 次或者 10 次中有超过 4 次认定是同一人，才确认识别成功。从体验上说，这种延迟用户是可以接受的，但误判率的降低非常明显。

如果系统里每张人脸只出现一两秒，等待太久的确认策略会让用户感觉迟钝。我的做法是设置滑动窗口，窗口内统计最高频的结果；如果高频结果与上一次已确认结果不同，就再等几帧，避免因为用户扶了一下眼镜导致身份频繁跳变。

6.3 端侧落地的几种选择：ESP32-S3、门禁机和后端服务

除了电脑上的实时摄像头场景，还有人问我 ESP32-S3 CAM 这类低成本硬件能不能做人脸识别。ESP32-S3 本身的 CPU 算力有限，但 S3 芯片带有向量指令加速，能运行经过压缩的 TFLite Micro 模型。实际落地中，比较可行的方案是：用 ESP32-S3 CAM 采集图片，在板端做人脸检测，把裁剪后的人脸图片通过 Wi-Fi 传送到后端服务，由后端 TensorFlow 模型完成识别。如果你想完全离线在板端跑识别，模型大小、内存占用和识别精度都会受到很大限制，人脸库也不能太大，几十个人以内的封闭小场景可以尝试。

如果对接的是市面上已有的“人脸识别门禁机”，比如工程中经常遇到的硬件设备、需要 Java 后端对接的情况，通常做法是先查厂商 SDK 文档。很多门禁机自带人脸注册、比对能力，后端只需要通过协议下发人员信息、同步名单、接收设备上报的通行记录，不需要自己用 TensorFlow 训练一套模型。只有那些不带算法的裸摄像头设备，才需要我们自己在服务端实现完整的识别链路。微信小程序场景的逻辑也类似，小程序端负责拍照上传，后端跑模型返回识别结果，因为在小程序里直接跑 TensorFlow 模型既不现实，也没有必要。

7. 上线后才会冒出来的真实问题：活体、遮挡与合规边界

当系统跑通之后，你不要觉得万事大吉。真实环境远比测试环境复杂，这里说说在实际项目中反复出现的三类问题，也是很多开发者容易忽略的。

7.1 照片和视频攻击

你做了一个识别系统，如果用一张打印出来的照片对着摄像头，系统可能直接判定为照片里的人。不少网上的 Demo 都有这个问题。解决方向是加入简单的活体检测，比如提示用户眨眼、张嘴或者左右转头，通过连续帧判断这些动作是否真的发生。这是成本最低的方案。预算充足的话，可以选用带有红外或结构光的摄像头，利用活体信息做判断，比单纯的图像算法可靠得多。如果只是做考勤，很多时候加“随机动作指令”就能拦住绝大多数照片攻击。

7.2 戴口罩、戴眼镜和侧脸的人

训练数据是正脸且无遮挡的数据，如果上线后有人戴着口罩来考勤，识别率下降几乎是必然的。解决办法不仅是增加“戴口罩的人脸”样本，而是要先想清楚业务上是否允许戴口罩考勤。如果允许，需要单独采集口罩样本，并且把人脸对齐的算法换成对遮挡更鲁棒的模型。这个过程没有捷径，只能针对你的实际场景去采集数据、做遮挡样本增强，然后再训练和调阈值。

7.3 隐私与合规边界

人脸数据在今天已经是非常敏感的个人信息。在搭建系统的过程中，建议从一开始就遵循“最小化收集”原则。系统在完成注册和识别后，只保存用于比对的 128 维特征向量或者模型分类结果，不保存原始人脸图片。即便需要保存少量照片用于模型迭代，也应该加密存储并且严格限定访问权限。哪怕只是内部考勤系统，也建议提前跟使用者说明数据用途，不要偷偷采集员工或访客人脸。

这些不只是合规层面的要求，从工程角度看，不在数据库里堆积几百万张图片，存储成本和检索效率也会好很多。我见过很多团队一开始把抓拍原图全量保存，几个月后硬盘爆满，还面临数据泄露的隐患，最后只能紧急写脚本批量删除。

回到最开始那个朋友的问题：为什么识别率不稳定。核心原因通常不是模型不好，而是整个系统的数据处理和决策逻辑不够完整。如果你正在规划类似的项目，我建议按照“摄像头取流—人脸检测—人脸对齐—分类或特征向量模型—连续帧确认”的链路逐步推进。先不要追求动辄 99% 的识别精度，优先把异常情况处理好，比如不认识的人不要乱认、多人同时出现时不要重复记录、光线不好的时候不要强行输出身份。

模型训练和调优可以放到第二步。我的个人体会是，用 OpenCV 完成实时视频里的人脸检测，配合 TensorFlow 训练一个 CNN 分类器，是理解整套人脸识别流程最直接的方式。如果你在这个基础之上再逐步引入特征向量模型、活体检测和端侧部署，你已经可以应对大部分门禁、考勤类业务需求了。数据采集时多花的时间、环境配置时多踩的坑，最后都会变成系统上线后的稳定性收益。