### 实现前后端结合的关键要素 为了实现基于ResNet的Python识别模型（后端）、Django前端以及SQLite数据库之间的协同工作，可以按照以下方式构建整个系统的架构： #### 1. **后端模型集成** 在后端部分，使用Python编写基于ResNet的人脸识别逻辑。此模块负责加载预训练的ResNet模型并对传入的数据进行预测。 ```python import tensorflow as tf from tensorflow.keras.applications.resnet50 import ResNet50, preprocess_input from tensorflow.keras.preprocessing import image import numpy as np def load_resnet_model(): model = ResNet50(weights='imagenet') # 加载预训练模型 return model def predict_face(model, img_path): img = image.load_img(img_path, target_size=(224, 224)) # 调整图像大小 x = image.img_to_array(img) x = np.expand_dims(x, axis=0) x = preprocess_input(x) # 对输入数据进行预处理 preds = model.predict(x) # 使用模型进行预测 return preds ``` 这部分代码定义了两个函数：`load_resnet_model()`用于加载ResNet模型；`predict_face()`接受一张图片路径作为参数，并返回其预测结果[^1]。 #### 2. **Django视图层设计** 在Django中创建API接口供前端调用。当接收到请求时，触发后台的人脸识别流程并将结果保存至SQLite数据库。 ```python from django.http import JsonResponse from .models import AttendanceRecord from .utils import predict_face, load_resnet_model model = load_resnet_model() # 初始化模型 def recognize_face(request): if request.method == 'POST': uploaded_file = request.FILES['image'] with open('temp_image.jpg', 'wb+') as destination: for chunk in uploaded_file.chunks(): destination.write(chunk) result = predict_face(model, 'temp_image.jpg') record = AttendanceRecord.objects.create( student_id="SOME_STUDENT_ID", # 假设已知学号或其他唯一标识符 attendance_status=bool(result.argmax()), # 将最大概率转化为布尔值表示签到状态 ) response_data = {"status": "success", "message": f"Sign-in recorded successfully! ID={record.id}"} return JsonResponse(response_data) else: return JsonResponse({"error": "Invalid method"}, status=400) ``` 在此段代码中，`recognize_face` 函数接收来自用户的HTTP POST 请求中的文件上传字段 `image` ，将其写入临时位置以便进一步处理。接着调用人脸识别方法获取预测输出并依据该输出决定是否记录此次考勤事件于 SQLite 数据库之中[^2]。 #### 3. **SQLite 数据库存储结构** 确保 Django 的 models.py 文件中有如下类定义以支持存储每次考勤的结果: ```python from django.db import models class AttendanceRecord(models.Model): student_id = models.CharField(max_length=50) timestamp = models.DateTimeField(auto_now_add=True) attendance_status = models.BooleanField(default=False) def __str__(self): return f"{self.student_id} attended at {self.timestamp}" ``` 这一步骤明确了每条记录应包含哪些基本信息——学生的ID、时间戳以及出席状况等属性[^5]。 --- ### 结合各组件的工作流描述 综上所述，在实际运行过程中，整体交互过程大致如下所示： - 用户通过浏览器访问部署好的Web应用页面； - 页面提供表单让用户提交待检测的照片； - 提交动作会向服务器发起 AJAX 或者标准 form-data 类型的 HTTP POST 请求； - 后台服务解析请求体内的多媒体附件内容，执行前述提到的一系列操作步骤直至最终更新数据库项为止； - 客户端再次查询最新状态或者等待推送通知得知自己已被成功标记为到场人员之一即可完成全部体验环节。 ---