基于计算机视觉技术的医院人员综合管理解决方案整合人脸识别考勤与行人流量监控两大核心能力实现内部员工身份验证、自动打卡签到以及公共区域人流量实时统计与可视化分析提升医院管理效率与安全保障水平。[ 系统演示视频]https://www.bilibili.com/video/BV1CgLg6gE3J/?spm_id_from333.1387.upload.video_card.clickvd_source7d115318c28581cfeb0e7d3a4a21aaf4✨ 核心功能1. 人像录入系统- 支持录入员工姓名、职位、部门信息- 自动检测人脸并裁剪保存分配唯一编号- 实时预览摄像头画面支持中文信息叠加- 自动训练 LBPH 模型并生成 train.yml2. 身份验证系统- 实时人脸识别区分员工/访客 (unknown)- 人脸区域圆形标注 姓名显示- 可调置信度阈值默认 80-853. 员工打卡系统- 人脸识别自动签到防重复记录- 每日生成独立签到文件 (signed_in_YYYYMMDD.txt)- 实时显示签到状态姓名 OK 签到时间4. 行人流量统计- 基于 YOLOv5s 实时行人检测- 实时显示画面内行人数量- 保存人流量数据至 people_counts.txt- 自动生成人流量变化折线图---️ 技术栈| 技术/库 | 版本要求 | 用途 | |--------------------------|----------|--------------------------| | Python | ≥3.8 | 主开发语言 | | OpenCV-Python | ≥4.5 | 图像处理与人脸检测 | | OpenCV-Contrib-Python | ≥4.5 | LBPH 算法支持 | | PyTorch | ≥1.8 | YOLOv5 运行环境 | | YOLOv5 | v5.0 | 行人目标检测 | | PySimpleGUI | ≥4.60 | 图形化交互界面 | | Pillow | ≥9.0 | 中文文字渲染 | | NumPy | ≥1.21 | 数值计算 | | Matplotlib | ≥3.5 | 数据可视化 | 环境配置1. 安装依赖# 基础依赖 pip install opencv-python opencv-contrib-python pysimplegui pillow numpy matplotlib # PyTorch CPU 版本 pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu2. 必要文件从 OpenCV 仓库下载haarcascade_frontalface_alt2.xml至项目根目录首次运行将自动下载 YOLOv5s 预训练模型约 14MB3. 创建目录mkdir -p face/2 face/3face/2/存储每日签到记录face/3/存储人脸图像数据 目录结构hospital-personnel-management/ ├── face/ │ ├── 2/ # 签到记录 │ └── 3/ # 人脸图像 ├── 整体代码.py # 主程序入口 ├── xingren.py # 行人检测模块 ├── haarcascade_frontalface_alt2.xml ├── train.yml # 人脸识别模型运行后生成 └── people_counts.txt # 人流量数据运行后生成 使用说明启动系统python 整体代码.py人像录入首次必选点击【录入人像系统】输入信息后按s保存人脸建议 5-10 张按q退出并自动训练模型员工打卡点击【员工打卡】摄像头自动识别签到按q退出身份验证点击【身份验证系统】实时显示识别结果按q退出行人检测点击【行人检测并查看行人流量图】按ESC停止检测并生成曲线图⚠️ 注意事项确保摄像头访问权限中文显示需系统支持STKAITI.TTF和SimHei新增人员后需重新训练模型行人检测需较高 CPU 性能文件路径不可随意修改 优化方向支持多人同时识别添加员工退签功能人流量异常预警升级 FaceNet 人脸算法SQLite 数据库存储管理员后台界面视频回放检测功能 许可证仅供学习交流商业使用请联系作者授权。