AI 人脸分析：检测、比对与识别工作流

目标与适用范围

区分人脸检测与对齐、特征描述子比对、图库识别，以及表情和年龄性别估计，并把隐私、误报和人工复核边界放进流程。
本指南将当前任务范围转化为可复核的交付结果。请保留源文件、中间产物和关键判断，让后续协作者能够理解检查了什么以及为什么这样处理。

准备证据并作出选择

• 只使用获得授权的图片，并在上传前明确告知、同意、访问权限和删除规则。

• 先确定要得到的是人脸位置、标准化裁剪、两张脸的相似度、图库候选，还是属性估计。

• 为低置信结果，以及遮挡、姿态异常、光线不足或多人脸情况制定人工复核规则。

• 决策点: A/B：只分析位置，还是分析身份关系？. 只需要找出人脸、对齐、裁剪或查看关键点时选 A；有合法且留痕的理由比较两张脸或搜索已标注图库时选 B。B 的输出仍不是身份定论。

• 决策点: A/B：两两比对，还是图库搜索？. 针对一个声称的对象对选 A，并检查距离和阈值；要把目标脸与多个已标注样本比较时选 B，先复核候选和不确定性，不要自动接受最高分。

按步骤完成工作流

1. 检测、对齐并描述人脸

先用检测定位人脸，再用对齐裁剪统一区域，并用关键点检查几何位置。这些结果说明脸在哪里、姿态如何，不说明是谁。 使用 ai-face-detection, ai-face-align-crop, ai-face-landmarks.

2. 选择两两比对或图库识别

生成描述子后，针对一个声称的对象对使用 1:1 比对，针对已标注集合使用图库识别。距离、布尔匹配和候选都只是受阈值影响的证据，可能出错，不能写成身份事实。 使用 ai-face-descriptors, ai-face-compare, ai-face-recognition.

3. 估计属性并复核结果

只有在用途有充分依据时才使用表情和年龄性别工具。记录表情是分类输出、年龄性别是估计值，并在交付前检查不确定性、群体表现、授权和人工复核需要。 使用 ai-face-expressions, ai-face-age-gender.

交付前验收结果

• 结果记录清楚区分检测、对齐、描述子、1:1 比对、图库识别和属性估计。
• 用包含不同姿态、光线、遮挡和多人脸的代表性样本检查误报与漏报。
• 任何匹配、表情、年龄或性别估计都不会单独决定重要事项，存疑结果有人工复核路径。
• 图片和派生描述子受到访问控制，只在必要期限内保留，并按既定规则删除。

常见问题

• 人脸检测和人脸识别有什么区别？ 检测回答图片里哪里有人脸以及位置。对齐和关键点处理脸部几何关系。识别则把人脸与参考图或图库比较，返回相似度证据或候选，不能证明这个人是谁。
• 人脸比对和图库识别是同一回事吗？ 不是。比对是两张图片之间的 1:1 问题，需要结合阈值判断；图库识别是把一张目标脸与多个已标注样本做 1:N 搜索。两者都会有误匹配和漏匹配，需要按场景校准。
• 表情、年龄或性别结果可以当成事实吗？ 不可以。表情是模型对可见线索的分类，年龄和性别是受图片和模型影响的估计。它们不能用来断言一个人的真实感受、身份、能力或受保护属性。
• 人脸数据应该怎样保护？ 只处理有合法依据且获得适当告知或同意的数据，尽量少上传和保留图片及描述子，限制访问并设定删除期限。没有合适的法律和合同依据，不要把生物特征数据交给第三方服务。