# 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。

网页支持按文件夹批量导入：

- 选择一个文件夹，自动上传文件夹里的图片或视频

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。
网页会逐个发送文件，手机端内存压力更小。

## 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。