【开题答辩实录分享】以《自动售货机刷脸支付系统的设计与实现》为例进行答辩实录分享
大家好，我是韩立。
写代码、跑算法、做产品，从 Java、PHP、Python 到 Golang、小程序、安卓，全栈都玩；带项目、讲答辩、做文档，也懂降重技巧。
这些年一直在帮同学定制系统、梳理论文、模拟开题，积累了不少“避坑”经验。
新学期开始，很多人卡在选题：想要新颖，又怕做不完。接下来我会持续分享一批“好上手且有亮点”的选题思路和完整开题答辩案例，给你参考，也给你灵感。关注我，毕业设计不再头秃！
自动售货机刷脸支付系统核心功能围绕 “便捷安全的刷脸支付” 与 “智能化零售运营” 展开，具体可概括为：
前端实现商品信息展示、用户刷脸支付操作（含人脸识别验证）及交易记录查询；
后端支持商品数据管理、交易数据存储与统计分析，同时提供管理员后台维护功能（如系统参数配置、硬件设备适配管理）；
此外，系统包含完整的测试环节，通过单元测试与功能测试保障刷脸识别准确率、支付流程稳定性及异常场景（如支付失败重试、数据传输安全）的处理能力，最终实现用户快速支付、商家高效运营的目标。
【开题陈述】
各位老师好，我是软件工程20XX班的H同学，本次毕业设计的题目是《自动售货机刷脸支付系统的设计与实现》。
系统面向校园、地铁等无人零售场景，在传统售货机基础上接入刷脸支付，实现“看脸即付”。
核心功能模块有：人脸注册与采集、支付识别、订单管理、库存管理、交易记录与报表。
技术栈采用SpringBoot + MyBatis 构建 REST 服务，前端用 Vue3 + ElementPlus，刷脸算法调用旷视 Face++ SDK，摄像头选用支持 720P、MJPEG 协议的 USB 相机，数据持久化用 MySQL，部署在树莓派 4B 上。下面请各位老师提问。
【答辩开始】
评委老师：为什么选择刷脸支付而不是二维码支付？
答辩学生：二维码需要掏出手机、解锁、亮屏，平均耗时 8-10 秒；刷脸只需 1.2 秒完成识别+扣款，高峰期可减少排队，提升 30% 吞吐量，同时避免了二维码被复制或截屏的风险。
评委老师：系统里人脸比对阈值设为多少？过高或过低会带来什么影响？
答辩学生：阈值 0.75。高于 0.8 会频繁拒识，造成支付失败；低于 0.65 则误识率升高，可能把双胞胎 A 扣成 B 的钱。经 2000 次校园测试，0.75 时 FAR=0.1%，FRR=1.2%，可接受。
评委老师：如果用户戴口罩或光线过暗，识别率下降怎么解决？
答辩学生：一是增加红外补光灯，保证 300 lx 以上均匀面光；二是 SDK 已升级口罩模型，可对眼部 48 特征点做识别，实验显示戴口罩识别率从 92% 提升到 97%；极端情况下系统提示“请摘口罩或改用二维码”，保证交易能完成。
评委老师：刷脸支付涉及生物特征，做了哪些合规与加密措施？
答辩学生：①人脸特征值本地 AES-256 加密后再落盘，密钥放 TPM 芯片；②传输采用 HTTPS + 双向证书校验；③按《个人信息保护法》要求，取得用户单独同意，保存期限不超过 3 年，注销即删；④不存储原始照片，只存 512 维特征向量，无法逆向还原。
评委老师：系统采用前后端分离，如何解决跨域及接口幂等问题？
答辩学生：后端配置 CORS 允许特定 Origin，前端用 Axios 带 withCredentials 保持 Cookie；幂等性通过在 Header 中传 X-Request-ID，后端用 Redis 做 60 秒去重，防止重复扣款。
评委老师：请用一句话说明旷视 SDK 返回的“face_token”在你的业务里起什么作用？
答辩学生：face_token 是用户人脸特征在旷视云端的唯一索引，我把它与本地 userId 绑定，后续支付时只需上传 face_token 即可完成 1:N 比对，避免反复传原始照片。
评委老师：假设明天树莓派突然离线，能否在 5 分钟内让售货机恢复营业？具体步骤？
答辩学生：可以。①准备一块刷好镜像的备份卡；②现场拔电→换卡→上电，3 分钟完成启动；③系统支持本地缓存最近 1000 条白名单特征，离线模式下只支持校园卡余额扣款，并开启“记账”功能，待网络恢复后批量上传；④换卡同时短信提醒管理员，真正中断营业不到 1 分钟。
【评委总结】
H 同学准备充分，对支付流程、安全合规和异常场景都有量化数据支撑，表现出较强的工程与风险意识。建议在后续论文中补充离线模式的交易一致性证明，并对成本与商业回报做简要分析。总体达到开题要求，同意进入下一阶段。
以上是H同学的毕业设计答辩过程，如果你现在还没有参加答辩，还是开题阶段，已经选好了题目不知道怎么写开题报告，可以下面找找有没有自己符合自己题目的开题报告内容，列表中的开题报告都是往届真实的开题报告可参考。
