课堂教学是学校教师最主要的教学方式,是学生获得知识的主要途径,而确保学生按时上课是提高教学质量的关键。课堂考勤制度是有效制约学生按时上课学习、完成学业要求的管理方法,在许多高校管理中,将学生的课堂考勤表现作为课程成绩评价的重要组成部分,突出了课堂考勤的重要性。然而经常发生的旷课现象不仅严重影响了学校的教学秩序,而且还阻碍了大学生获得专业知识和技能以及提高综合能力的途径。针对当前常用的考勤方式,比如教师点名、刷卡考勤、指纹考勤等,存在着占用课堂时间、影响上课效率、容易发生考勤作弊行为、实时性低、缺乏监督等缺点,本文研究并设计了一种基于计算机视觉的实时课堂考勤系统,主要研究内容包括以下几方面:1)在人脸检测方面,提出了基于YOLO算法的人脸检测方法,首先,引入了残差网络解决利用更深的网络在进行训练时容易产生梯度消失或者梯度爆炸的问题,提高模型的训练速度和稳定性;然后,引入了特征金字塔网络解决模型对不同尺度的人脸目标不敏感,容易丢失小人脸目标特征的问题,提高卷积层的感受野,同时在特征金字塔网络中引入注意力机制,抑制无用信息,提高网络的特征提取能力;接着,引入了特征融合模块,通过学习不同尺度的特征,使得检测效果更加鲁棒;最后建立了多任务联合损失函数,解决了密集人脸场景下检测框容易出现失真的问题。2)在人脸识别方面,设计了一种无监督特征学习的人脸识别算法,主要创新点包括在卷积层中设计了基于L1范数的主成分分析深度学习网络,用于人脸特征提取;在非线性层引入局部二进制模式对人脸特征进行编码描述;在池化层采用空间金字塔池化,合并人脸在不同层次的结构特征。另外对提出的人脸识别算法进行超参数调整和优化,并使用岭回归分类器进行了人脸匹配,完成人脸识别任务。3)基于Python和Flask搭建了可高效开发的MVC框架,该框架具有轻量灵活、耦合性低、可扩展性强等优点,不仅可以满足课堂考勤系统的设计要求,而且还可以作为其它小型Web应用的开发框架,具有一定的实用价值。4)在系统实现方面,通过设计的计算机视觉模型、嵌入式视频采集设备、关系型数据库实体模型、客户端和服务器应用软件,实现了课堂考勤系统的各项功能,具有实时性和准确性,有利于推动智慧校园建设。