跳到主要内容

人脸检测与识别【选修】

本节定位

人脸任务看起来像“只是检测一个特殊目标”，
但真实系统通常至少包含：

  • 找到脸
  • 对齐
  • 提特征
  • 比较相似度

所以这节更重要的是理解：

人脸系统往往是一条流水线，不是单个模型。

学习目标​

  • 理解人脸检测、对齐和识别之间的区别
  • 通过可运行示例理解特征比对的直觉
  • 理解人脸系统为什么特别关注误识和隐私问题
  • 建立人脸任务的整体流水线感

先建立一张地图​

人脸任务最适合新人的理解方式不是“一个模型识别人脸”，而是先把完整流水线看清：

这条线一旦理清，你就不会把人脸系统误以为只是“检测一个特殊类别”。

一个更适合新人的总类比​

你可以把人脸系统想成机场值机的三步：

  1. 先找到旅客是谁
  2. 再把证件摆正、对齐
  3. 最后才拿来和系统里的档案做比对

这样理解后，人脸识别就不会再像：

  • 一个神秘的“认人模型”

而更像：

  • 一条先整理输入、再做比较的流水线

一、人脸识别系统通常有哪些步骤？​

  1. 检测：先找到脸在哪
  2. 对齐：把角度和姿态尽量规范化
  3. 表示：提取人脸向量
  4. 匹配：比较向量相似度

1.1 为什么“对齐”这一步经常被低估？​

因为很多新人会天然觉得：

  • 把脸框出来就够了

但实际系统里，如果人脸角度、姿态、裁切范围差太多，
后面的 embedding 往往会明显不稳定。

所以对齐的作用更像是：

先把输入拉回到一个更可比的状态。

二、先看一个最小相似度比对示例​

from math import sqrt

face_a = [0.9, 0.2, 0.1]
face_b = [0.88, 0.22, 0.12]
face_c = [0.1, 0.8, 0.9]


def cosine(a, b):
    dot = sum(x * y for x, y in zip(a, b))
    na = sqrt(sum(x * x for x in a))
    nb = sqrt(sum(x * x for x in b))
    return dot / (na * nb)


print("a vs b:", round(cosine(face_a, face_b), 4))
print("a vs c:", round(cosine(face_a, face_c), 4))

2.1 这个例子最重要的直觉​

人脸识别很多时候不是直接分类名字，
而是：

  • 看两张脸的表示是否足够接近

2.2 新人第一次学这节，最该先记什么？​

最值得先记的其实是：

  • 检测负责“先把脸找出来”
  • 对齐负责“把姿态拉回更可比的状态”
  • 识别很多时候是在比较 embedding，而不是直接输出名字

2.3 阈值为什么会直接影响系统体验？​

因为阈值本质上是在决定：

  • 多像才算同一个人

阈值设得太松：

  • 容易误识

阈值设得太严：

  • 容易漏识

这类问题通常不只是模型问题，而是系统配置问题。

2.4 再看一个最小“阈值怎么改变结果”示例​

similarities = [0.93, 0.81, 0.68]
threshold = 0.8


def match_results(scores, threshold):
    return ["same_person" if score >= threshold else "different_person" for score in scores]


print(match_results(similarities, threshold))

这个示例很小，但它能帮助新人立住一个系统直觉：

  • 人脸识别很多时候不是“模型告诉你答案”
  • 而是“模型给分数，系统再根据阈值做决定”

三、最常见误区​

3.1 只看检测，不看对齐​

对齐往往会直接影响后续识别稳定性。

3.2 只看相似度，不看阈值风险​

阈值设太宽容易误识，
设太严又容易漏识。

3.3 忽略隐私和合规​

人脸任务几乎天然带有更高合规要求。

3.4 只展示成功识别，不展示误识和拒识​

如果只展示：

  • 成功认出了谁

那这个项目更像演示，而不像系统。
更像真实项目的展示应该同时包括：

  • 正确识别
  • 错误匹配
  • 本该拒绝但阈值太松的样例
  • 本该识别却被阈值拒掉的样例

四、为什么这一节特别适合训练“系统思维”？​

因为它会逼你意识到：

  • 单一模型结果不等于完整系统能力
  • 阈值、误识、漏识、合规都会进入最终判断

这和很多真实 CV 系统都很像。

4.1 一个新人可直接照抄的学习顺序​

更稳的顺序通常是：

  1. 先理解检测
  2. 再理解对齐
  3. 再理解 embedding 相似度
  4. 最后再看阈值和系统风险

如果一开始就只盯识别模型，反而最容易看不懂整条链。

4.2 如果把它做成项目，最值得先展示什么​

更像真实项目的展示顺序通常是：

  1. 原图中的检测框
  2. 对齐前后对比
  3. 两张脸的 embedding 相似度
  4. 不同阈值下的匹配结果
  5. 误识 / 漏识 / 拒识案例

这样读者一眼就能看懂：

  • 问题出在检测
  • 还是对齐
  • 还是阈值本身

如果把它做成项目，最值得展示什么​

  • 检测结果
  • 对齐前后对比
  • embedding 相似度对比
  • 不同阈值下的误识 / 漏识变化

这样会比只贴“识别成功截图”更像真正项目。

小结​

这节最重要的是建立一个系统判断：

人脸检测与识别不是单一模型问题，而是一条从检测到匹配的完整流水线。

这节最该带走什么​

  • 人脸系统本质上是流水线
  • embedding 和阈值决定后续匹配体验
  • 这类系统天然比普通视觉任务更需要考虑风险和合规

练习​

  1. 自己构造几组向量，看看相似度阈值怎么影响匹配判断。
  2. 为什么说人脸系统特别依赖阈值设置？
  3. 对齐为什么会影响识别质量？
  4. 想一想：人脸系统为什么要特别重视隐私？