first commit

README.md

@@ -0,0 +1,67 @@
+# 学生人脸识别 Android App
+
+这是一个 Android/Kotlin 项目，用于批量导入学生头像，建立本地人脸特征库，并通过手机摄像头实时识别已入库学生。
+
+## 技术方案
+
+- CameraX：相机预览与实时帧分析
+- ML Kit Face Detection：检测图片或摄像头画面中的人脸位置，模型随 App 打包
+- TensorFlow Lite：使用 FaceNet/MobileFaceNet 模型生成人脸 embedding
+- 本地 JSON 存储：在手机本地保存学生资料与人脸特征
+- 手机内置上传服务：电脑浏览器上传头像到手机本地入库
+
+新增学生不需要重新训练模型，只需要对头像生成一次 embedding 并保存。识别时把摄像头中的人脸 embedding 与本地库做距离匹配。
+
+## 电脑批量导入
+
+运行 App 后，点击手机界面底部的：
+
+```text
+上传地址
+```
+
+手机会显示类似：
+
+```text
+http://192.168.1.23:8080
+```
+
+让电脑和手机连接同一个 Wi-Fi，然后在电脑浏览器打开这个地址。网页里可以一次选择多张学生头像，点击上传后，手机会本地检测人脸、生成 embedding 并写入本地数据库。
+
+网页同时支持两种批量导入方式：
+
+- 选择一个文件夹，自动上传文件夹里的所有图片
+- 上传一个 `.zip` 压缩包，手机端自动解压后入库
+
+文件夹选择在 Chrome / Edge 这类支持目录选择的浏览器里效果最好。
+
+## 头像命名规则
+
+建议使用：
+
+```text
+学号_姓名.jpg
+20240001_张三.jpg
+```
+
+如果文件名不符合规则，应用会把文件名同时作为学号和姓名保存。
+
+## 模型文件
+
+请放入 FaceNet 兼容的 TFLite 模型：
+
+```text
+app/src/main/assets/facenet.tflite
+```
+
+推荐使用输入为 `[1, 160, 160, 3]`、输出为 128/192/256/512 维 float embedding 的 MobileFaceNet 或 FaceNet TFLite 模型。
+
+## 构建
+
+安装 JDK 17 和 Android Studio 后，用 Android Studio 打开项目运行，或在项目根目录执行：
+
+```bash
+./gradlew assembleDebug
+```
+
+当前环境没有 Java Runtime，无法在本机完成编译验证。