1. 项目背景与核心功能
这个基于SpringBoot和微信小程序的高校考勤系统，是我去年为某高校信息工程学院开发的实战项目。系统上线后成功支撑了全院87个班级、4000+学生的日常考勤管理，将传统纸质点名耗时从每节课15分钟缩短至30秒内。
系统最核心的创新点在于利用微信小程序便捷性解决了几大痛点：
- 教师端：实时生成动态二维码，避免代签作弊
- 学生端：GPS定位+活体检测双重验证
- 管理端：自动统计报表与异常预警机制
2. 技术架构解析
2.1 后端SpringBoot设计
采用经典三层架构但做了针对性优化：
java复制com.example.attendance
├── config # 自定义二维码过期策略
├── controller # 包含RESTful API
│ ├── AdminController.java
│ ├── CourseController.java
│ └── QRCodeController.java # 核心二维码生成逻辑
├── service
│ ├── impl
│ │ └── FaceRecognitionServiceImpl.java # 活体检测服务
│ └── AttendanceService.java
└── repository # 使用JPA+QueryDSL
关键配置项：
yaml复制# application.yml
qrcode:
expire-seconds: 120 # 二维码有效期
max-retry: 3 # 识别失败重试次数
face:
threshold: 0.85 # 人脸匹配阈值
cache-duration: 1h # 特征缓存时间
2.2 微信小程序关键实现
采用uniapp框架实现多端兼容，核心页面包括：
pages/scan/index扫码签到页pages/face/verify活体检测页pages/course/list课程列表页
人脸识别关键代码：
javascript复制// 调用腾讯云AI接口
async verifyFace() {
const res = await uni.chooseImage();
const file = res.tempFilePaths[0];
const { data } = await tencentCloud.detectFace({
ImageBase64: await fileToBase64(file)
});
this.$store.commit('SET_FACE_DATA', data.FaceInfos[0]);
}
3. 核心业务逻辑实现
3.1 动态二维码生成方案
采用分段加密策略防止伪造：
- 服务端生成包含课程ID+时间戳的原始字符串
- 使用AES加密后生成Base64编码
- 前端通过wx.scanCode获取加密字符串
- 服务端解密验证时间有效性
java复制// QRCodeController.java
@GetMapping("/generate")
public String generate(@RequestParam Long courseId) {
String rawText = courseId + "|" + System.currentTimeMillis();
return AESUtil.encrypt(rawText, SECRET_KEY);
}
3.2 考勤异常检测算法
通过滑动窗口算法识别异常签到：
python复制# 伪代码示例
def detect_abnormal(records, window_size=5):
anomalies = []
for i in range(len(records) - window_size):
window = records[i:i+window_size]
if all(r['location'] != window[0]['location'] for r in window[1:]):
anomalies.append(records[i])
return anomalies
4. 部署与性能优化
4.1 高并发场景处理
使用Redis做三级缓存：
- 一级缓存：本地Caffeine（课程基础信息）
- 二级缓存：Redis集群（签到记录）
- 三级存储：MySQL分库分表
压测数据对比：
| 方案 | QPS | 平均响应时间 |
|---|---|---|
| 无缓存 | 128 | 450ms |
| 二级缓存 | 2100 | 68ms |
| 三级缓存 | 5800 | 23ms |
4.2 微信小程序分包优化
将人脸识别SDK单独分包：
json复制// pages.json
{
"subPackages": [{
"root": "faceSDK",
"pages": [
"pages/engine",
"pages/model"
]
}]
}
5. 踩坑实录与解决方案
5.1 活体检测光线适应问题
初期发现在暗光环境下识别率骤降，通过以下方案改进：
- 增加前端亮度增强算法
- 服务端添加灰度直方图均衡化
- 设置最低光照阈值提示
cpp复制// OpenCV处理示例
Mat enhanceLight(Mat input) {
Mat lab;
cvtColor(input, lab, COLOR_BGR2Lab);
vector<Mat> channels;
split(lab, channels);
equalizeHist(channels[0], channels[0]);
merge(channels, lab);
cvtColor(lab, output, COLOR_Lab2BGR);
return output;
}
5.2 微信二维码扫描频次限制
微信官方对wx.scanCode的调用有安全限制：
- 解决方案：采用降级策略，当连续5次失败后自动切换为手动输入验证码模式
- 关键配置：在
app.js中增加调用计数器
javascript复制let scanCount = 0;
const scanWithFallback = async () => {
try {
const res = await wx.scanCode();
scanCount = 0;
return res;
} catch (err) {
if (++scanCount >= 5) {
return enterManualCode();
}
throw err;
}
}
6. 源码结构与使用指南
项目采用标准的Maven多模块结构：
code复制attendance-system
├── attendance-admin # 管理后台
├── attendance-api # 公共DTO定义
├── attendance-common # 工具类
├── attendance-mobile # 小程序后端
└── attendance-service # 核心业务
快速启动步骤：
- 导入MySQL脚本（在
/sql目录） - 修改
application-dev.yml中的数据库配置 - 小程序端修改
config.js中的API地址 - 启动Redis服务（默认端口6379）
重要提示：人脸识别服务需要申请腾讯云API密钥，在
TencentCloudConfig.java中配置
7. 扩展开发建议
基于现有系统可以进一步扩展：
- 物联网整合：通过蓝牙信标实现教室自动签到
- 行为分析：利用签到数据构建学生画像
- 微信消息模板：自动推送考勤异常通知
示例消息模板配置：
java复制@Scheduled(cron = "0 0 18 * * ?")
public void sendDailyReport() {
List<Absence> absences = attendanceService.getTodayAbsences();
absences.forEach(a -> {
wxMpService.getTemplateMsgService().sendTemplateMsg(
buildMessage(a.getStudent(), a.getCourse()));
});
}
这个项目让我深刻体会到，好的技术方案必须建立在对业务场景的透彻理解上。比如活体检测的阈值设置，经过多次调整才找到0.85这个平衡点——太低会有代签风险，太高又会导致正常签到失败率上升。建议开发者在使用源码时，先在小范围真实场景中测试调整这些关键参数。