人脸识别并不只是“找出照片里有没有脸”。一个完整的工具通常要经历人脸检测、边界框定位、特征编码、身份比对和结果验证几个步骤。理解这些概念，才能正确判断识别结果，也能避免把“检测到人脸”误认为“识别出身份”。
人脸检测与人脸识别不是一回事
人脸检测回答的是：图像中的什么位置出现了人脸？检测结果通常是一个或多个边界框（bounding box），例如：
(top, right, bottom, left)
在人脸识别库 face_recognition 中，这四个值分别表示边界框的上、右、下、左坐标。检测阶段只负责定位目标，并不判断这个人是谁。
人脸识别则需要继续处理每个人脸：
- 根据边界框截取或定位人脸区域。
- 将人脸转换为固定长度的特征向量，也就是 face encoding。
- 将待识别的人脸编码与已知人员的编码进行距离比较。
- 根据阈值决定是否匹配。
人脸编码不是原始图片，也不是姓名。它是一种用于比较人脸视觉特征的数值表示。两个编码之间的距离越小，通常说明它们越相似。
一个可运行的人脸识别示例
下面的示例使用 face_recognition 和 Pillow。运行前准备如下目录：
face-demo/
├── recognize.py
├── known_faces/
│ └── alice.jpg
└── unknown.jpg
alice.jpg 是已知人员照片，文件名会作为识别标签；unknown.jpg 是待识别图片。安装依赖：
python -m pip install face_recognition pillow
创建 recognize.py：
from pathlib import Path
import face_recognition
KNOWN_DIR = Path("known_faces")
UNKNOWN_IMAGE = Path("unknown.jpg")
def load_known_faces():
known_encodings = []
known_names = []
for image_path in sorted(KNOWN_DIR.glob("*")):
if image_path.suffix.lower() not in {".jpg", ".jpeg", ".png"}:
continue
image = face_recognition.load_image_file(image_path)
locations = face_recognition.face_locations(image)
encodings = face_recognition.face_encodings(image, locations)
if len(encodings) != 1:
print(f"跳过 {image_path}: 需要恰好检测到一张脸，实际为 {len(encodings)} 张")
continue
known_encodings.append(encodings[0])
known_names.append(image_path.stem)
return known_encodings, known_names
def recognize_image(image_path, known_encodings, known_names, tolerance=0.6):
image = face_recognition.load_image_file(image_path)
locations = face_recognition.face_locations(image)
encodings = face_recognition.face_encodings(image, locations)
results = []
for location, encoding in zip(locations, encodings):
distances = face_recognition.face_distance(known_encodings, encoding)
if len(distances) == 0:
name = "unknown"
best_distance = None
else:
best_index = distances.argmin()
best_distance = float(distances[best_index])
name = (
known_names[best_index]
if best_distance <= tolerance
else "unknown"
)
results.append({
"name": name,
"box": location,
"distance": best_distance,
})
return results
def main():
known_encodings, known_names = load_known_faces()
if not known_encodings:
raise RuntimeError("known_faces 中没有可用的单人照片")
results = recognize_image(
UNKNOWN_IMAGE,
known_encodings,
known_names,
)
for result in results:
print(
f"name={result['name']}, "
f"box={result['box']}, "
f"distance={result['distance']}"
)
if __name__ == "__main__":
main()
运行：
python recognize.py
输出可能类似于：
name=alice, box=(42, 220, 190, 73), distance=0.41
这里的 box 是人脸在图片中的位置，distance 是待识别人脸与最佳候选编码之间的距离。距离低于 tolerance 时，代码才会接受该候选人。
阈值不是准确率的替代品
0.6 是常见的起始阈值，但它不是适用于所有数据集的通用答案。降低阈值通常会让系统更谨慎，减少误认，但也可能增加“无法识别”的情况；提高阈值则可能提高召回率，同时增加错误匹配。
更可靠的做法是准备验证数据集，分别记录：
- 同一个人的不同照片，作为正样本。
- 不同人的照片，作为负样本。
- 光照、角度、表情和分辨率不同的样本。
可以用简单脚本观察不同阈值下的匹配结果：
import numpy as np
import face_recognition
# 假设这些编码已经从验证集加载完成
positive_distances = np.array([0.32, 0.41, 0.48, 0.55])
negative_distances = np.array([0.63, 0.71, 0.82, 0.91])
for threshold in [0.45, 0.50, 0.55, 0.60, 0.65]:
true_positive = np.mean(positive_distances <= threshold)
false_positive = np.mean(negative_distances <= threshold)
print(
f"threshold={threshold:.2f} "
f"true_positive_rate={true_positive:.2f} "
f"false_positive_rate={false_positive:.2f}"
)
这个例子中的距离是演示数据，不代表特定模型的真实表现。实际项目应使用与部署环境相似的图片进行验证，并根据业务风险选择阈值。例如，照片门禁和照片分类对误认的容忍度不同，不能直接复用同一个配置。
构建工具时容易忽略的边界
一张图片可能包含多张脸
不要默认 face_encodings(image)[0] 就是目标人物。多脸场景下，应保留每个边界框与编码的对应关系，并分别输出结果。上面的示例通过 zip(locations, encodings) 保持了这种对应关系。
已知照片质量会影响结果
用于建立人员档案的照片最好清晰、正面、光照稳定，并且每张图片只包含一个人。如果已知照片中的脸很小、被遮挡或严重倾斜，编码本身就可能不稳定。
最佳匹配不等于可信匹配
从候选列表中选出距离最小的人，只能说明他是当前候选中最相似的一个。只有当最小距离同时低于经过验证的阈值时，才应该把结果标记为匹配。没有已知编码时，也必须明确返回 unknown，而不是随意选择一个姓名。
隐私与误识别风险需要单独处理
人脸识别涉及生物特征数据。上线前应明确数据保存周期、访问权限、用户告知和删除机制。对于门禁、支付或身份核验等高风险场景，人脸结果不应成为唯一决策依据，还需要人工复核或其他身份验证方式。
一份实用检查清单
- 能否区分人脸检测和身份识别？
- 是否理解边界框坐标的顺序？
- 是否为每张人脸生成独立编码？
- 是否处理了零张脸、多张脸和未知人员？
- 是否用正样本和负样本验证过阈值？
- 是否记录了距离，而不是只保存姓名？
- 是否评估了光照、角度、遮挡和图片质量的影响？
- 是否为误识别、隐私和数据删除设计了流程？
一个可用的人脸识别工具，核心不只是调用模型，而是把检测结果、编码距离、阈值和业务决策分开。先让输出可解释，再用真实验证数据调整阈值，通常比直接追求一个看似准确的单次结果更可靠。