摘要：随着互联网技术的发展，人工智能领域衍生了很多分支，而其中人脸识别领域近20年来发展迅速，也应用了到了社会生活的方方面面。然而人脸识别的高精度很大程度上依赖于数据库里已经标记的数据，但对搜集的数据进行标记却很麻烦。为了更好地利用未标记的数据，近几年人们开始研究聚类算法，并应用到未标记人脸数据分类，即人脸聚类开始发展。随着深度学习的进步，大规模的人脸数据的聚类精度也在逐步提高，并开始投入应用在数据挖掘、统计学领域等等。

本课题是用Python编写的基于Layui的人脸聚类平台。该系统前端主要实现了在Web页面进行人脸聚类分析的操作，包含人脸聚类、人脸对比、人脸表情提取和人脸追踪等功能。后端主要使用Flask框架配合Dlib库实现人脸识别聚类接口。人脸聚类平台的实现可以帮助更多的网民体验接触人脸聚类这项技术，且无需任何费用，用户凭借浏览器即可直接访问使用系统提供的功能，节省资源消耗。

关键词：人脸聚类；Python；Layui；Flask框架；Dlib

目  录

摘  要

ABSTRACT

第一章  绪论-5

1.1研究背景及意义-5

1.2 课题研究现状-5

1.3 主要研究内容和研究方法-6

1.4全文组织-6

第二章  相关技术概述-7

2.1 Python语言简介-7

2.2 Flask简介-7

2.3 OpenCv简介-8

2.4 Dlib简介-8

2.4 Layui简介-8

2.5 Nginx简介-9

2.6 Rtmp简介-9

2.7 Ajax简介-9

第三章  人脸聚类平台分析和概要设计-10

3.1 可行性分析-10

（1）经济可行性-10

（2）技术可行性-10

（3）操作可行性-10

3.2 需求分析-10

3.3 程序模块图-11

3.4 系统概要设计-11

3.4.1 人脸聚类-11

3.4.2 人脸对比-12

3.4.3 人脸追踪-12

3.4.4 人脸表情提取-12

第四章 人脸聚类平台详细设计与实现-13

4.1 首页-13

4.2 人脸聚类功能-14

4.3 人脸对比功能-20

4.4 人脸追踪功能-24

4.5 人脸表情提取-26

第五章 人脸聚类平台的测试-29

5.1系统测试目的-29

5.2系统测试环境-30

5.3系统功能测试-30

5.3.1 测试人脸聚类功能-30

5.3.2 测试人脸对比功能-30

5.3.3 测试人脸追踪-32

5.3.4 测试人脸表情提取-32

第六章 总结和展望-33

6.1 总结-33

6.2展望-33

参考文献-35

致   谢-36