智能体开发技术（Python+FastAPI版）教案 第六章 智能考勤

教学流程设计（理实一体化）教师姓名系部专业授课对象课程名称授课时间使用教材智能体开发技术计划学时6-8学时教学形式及地点教学目标知识目标能力（技能）目标素质目标熟练使用OpenCV库读取摄像头数据并实时在图像上标注文字信息熟练使用MediaRecorder实现Web端实时摄像头数据采集和标注深入理解人脸活体检测的原理，以及EAR和MAR等计算公式及代码实现熟练使用face_recognition库进行人脸检测、对比与活体检测熟练使用FastAPI、SQLModel和前端实现考勤系统的完整功能强化数据隐私与生物信息安全意识培养工程思维：从“能用”到“防作弊”的迭代优化激发将AI技术应用于校园/职场管理的创新意识教学内容模块6智能考勤6.1需求与设计分析

6.2OpenCV版本实现

6.3Web端版本实现6.4活体检测防作弊重点难点及解决方法重点难点：1、如何利用Python版本的OpenCV库和前端MediaRecorder实时采集人脸数据。2、如何利用face_recognition库进行人脸检测和对比，并结合OpenCV库进行姓名和位置标注等操作。3、如何利用人脸的68个关键特征点信息进行活体检测，防止作弊，并将其整合到项目中。4、如何结合FastAPI、SQLModel和前端完成项目的整体开发与功能完善。解决方法：1、本地使用cv2.VideoCapture(0)读取摄像头视频流；Web端通过浏览器<video>+canvas截取画面，以Base64格式发送至FastAPI后端，后端解码为OpenCV可处理的图像。

2、用face_recognition.face_encodings()提前生成已知人员的人脸特征向量；对采集帧调用face_locations()和face_encodings()进行检测与编码，通过compare_faces()匹配身份；匹配成功后，用cv2.rectangle()画框、cv2.putText()标注姓名和位置。3、调用face_recognition.face_landmarks()获取眼部关键点，计算眼纵横比（EAR）；若连续多帧EAR无显著变化（如始终大于阈值），判定为静态照片；仅当检测到有效眨眼（EAR先降后升）才视为活体，允许考勤。4、前端负责摄像头调用与结果显示；FastAPI提供/clock-in等接口处理图像识别与活体验证；SQLModel定义考勤模型，将姓名、时间、活体状态等存入数据库，实现从采集到记录的完整闭环。教学方法讲授法、案例法、实操演练法、小组讨论法教学资源演示案例、案例素材、机房资源教学过程设计主要流程1．案例导入针对关键知识点进行讲解，分析案例，教师演示案例2．理论讲解针对关键知识点进行讲解，分析案例，教师演示案例3．案例研讨示范案例：以案例效果为例，教师细致演示分析案例的整个流程。学生分析、计划，总结归纳实施要点，得到问题解决的思路与方法。4．任务布置针对关键技术点和知识点进行专题辅导，引导学生观察、发现，分析和解决问题，解决学生在实施过程中出现的问题。对于一般内容，由学生探索、讨论，提出解决问题的方法，并演示解决问题的操作过程；对于难点内容，由教师引导、分析，演示关键的操作步骤。教师活动学生活动说明实操任务要求，强调工具操作要点,培养学生的自我学习能力和创新革新能力；明确任务目标，组内分工准备组内互评作品，优化生成结果；5．任务实施教师活动学生活动展示传统打卡vs智能人脸考勤场景；引导学生分析需求讨论考勤痛点基础功能示范活体检测引导巡回指导按路径开发，OpenCV版，Web版测试用本人照片vs手机屏幕照片，验证防作弊效果。邀请学生演示系统，重点测试“用照片能否通过”演示考勤流程与活体检测

反思系统局

提交代码与测试截图6．总结点评抽查记成绩，教师总结点评。总结学生的完成情况以及在案例设计中遇到的问题，重新强调重点及难点问题。练习智能考勤系统，实现人脸数据采集、人脸识别、人脸位置标注、人脸对比、数据管理、活体检测等功能教学后记