# 一张脸换一个工位 # 智绘鸿蒙·如 7 而至#

## 前言

行政提的需求很朴素：门口放台平板，员工路过刷一下就算签到，不想再排队按指纹。

选型时我们排掉了云端人脸服务，两个理由：一是员工生物特征出内网要走合规评审，二是按次计费，一个 300 人厂区一年下来不是小数目。鸿蒙 7 的 Core Vision Kit 里 `faceComparator` 是纯端侧的，两个 PixelMap 进、一个相似度出，看起来正好。

两周后我们把 demo 做完了，今天把这个项目复盘一次。**结论是能力够用，但接口给的那个布尔值不能直接用**——而且它错的方向，恰好是签到场景里最贵的那一种。

## 结论先行

1. 同一张脸，在七种图像扰动下相似度全部 ≥ 0.974，模型本身很稳。
2. 十组比对里，SDK 的 `isSamePerson` 判错两组，两组都是**把陌生人判成同一个人**（误识，不是拒识）。
3. 正确的用法是自己拿 `similarity` 定阈值。按这一批数据，阈值取 0.8 可以十组全对。

下面按我们实际做的顺序展开。

## 数据怎么造的

人脸比对的测试集不能拿网图凑，因为**你不知道标准答案**。所以我们自己控制：三张底片（A 男、B 女、C 戴眼镜男），A 做扰动生成正样本，跨人组合做负样本。

```
正样本（A vs A 的变体）：自己、旋转 12°、亮度压到 45%、高斯模糊 3.0、
                        缩到 160px 再放回 640、紧裁到脸占满、水平镜像
负样本：A vs B、A vs C、B vs C
```

这样每一组的期望值是先验确定的，测出来的偏差只能来自模型和阈值。

## 接口只有三个调用

```typescript
await faceComparator.init();
const v1: faceComparator.VisionInfo = { pixelMap: pm1 };
const v2: faceComparator.VisionInfo = { pixelMap: pm2 };
const r: faceComparator.FaceCompareResult = await faceComparator.compareFaces(v1, v2);
// r.similarity: 0~1，r.isSamePerson: 布尔
await faceComparator.release();
```

约束记两条：PixelMap 必须是 RGBA_8888；`init()` 有状态，整个批量过程只做一次，别每次比对都 init/release。

真正需要注意的是 `isSamePerson` 这个字段——它是 SDK 用**它自己的阈值**算出来的，而文档里没写那个阈值是多少。这就是后面所有问题的来源。

## 实测结果

MatePad Pro（HarmonyOS 7 / API 26），一次跑完十组：

| 组 | 期望 | similarity | SDK 判定 | 结论 | 耗时 |
| --- | --- | --- | --- | --- | --- |
| 自己 vs 自己 | 同人 | 1.000 | 同一人 | 对 | 918ms |
| 旋转 12° | 同人 | 0.990 | 同一人 | 对 | 396ms |
| 亮度压到 45% | 同人 | 0.980 | 同一人 | 对 | 391ms |
| 高斯模糊 3.0 | 同人 | 0.974 | 同一人 | 对 | 361ms |
| 缩到 160 再放大 | 同人 | 0.985 | 同一人 | 对 | 402ms |
| 紧裁（脸占满） | 同人 | 0.974 | 同一人 | 对 | 415ms |
| 水平镜像 | 同人 | 0.983 | 同一人 | 对 | 411ms |
| 换人：女 | 不同人 | 0.637 | **同一人** | **判错** | 389ms |
| 换人：男+眼镜 | 不同人 | 0.578 | 不同人 | 对 | 417ms |
| 两个陌生人 | 不同人 | 0.667 | **同一人** | **判错** | 411ms |

十组合计 4751ms。首组 918ms 是模型预热，之后稳定在 360~420ms。

## 这次做对了什么

**把正负样本的分布跑出来，而不是只跑"能不能用"。** 正样本下界 0.974、负样本上界 0.667，中间隔着 0.31 的空档。这说明模型的区分度其实非常好——问题完全不在识别上。

一旦看清这一点，修法就 trivial：不要用 `isSamePerson`，用 `similarity > 0.8` 自己判。这一批数据下十组全对，而且 0.8 距离两侧都有余量，不是勉强挑出来的边界值。

**顺手排掉了两个常见的担心。** 水平镜像 0.983，说明前置摄像头镜像出来的照片不需要特殊处理；紧裁 0.974，说明人脸在画面里的占比变化不敏感——这两条如果靠猜，上线前总要专门测一轮。

## 这次踩的坑

坑只有一个，但值得单独一节：**SDK 的内置阈值太低，而且不写在文档里。**

从数据反推，判定线落在 0.578 与 0.637 之间（0.578 判不同、0.637 判相同），大概率是 0.6。这个值放在"图库照片分类"里没问题，放在"签到"里就是事故：两个陌生同事只要相似度摸到 0.6，就能互相代打卡。

复盘时我们争论过要不要保留 `isSamePerson`。最后决定：**接口返回值只看 `similarity`，`isSamePerson` 当它不存在。**理由是阈值必须是产品参数，不能是黑盒常量——行政以后要调松紧，你总不能再发一版。

## 可信度评估

这份数据能支撑什么结论，不能支撑什么结论，得说清楚。

**能支撑**：端侧比对对图像质量扰动不敏感；`isSamePerson` 的默认判定线明显低于本场景可接受的水平。

**不能支撑**：负样本只有三组，而且三张底片出自同一个图像模型、同一套 prompt 模板、同一种灰底棚拍。这种"同族"人脸天然比真人更像，0.637 / 0.667 很可能是被高估的。**真人之间的相似度分布我们没有测**，所以 0.8 这个阈值目前只能算起点，不能算结论。

**最大的遗留风险不是阈值，是活体。** `faceComparator` 只比像素，不判断镜头前是脸还是一张打印照片、一部正在放视频的手机。签到场景里，这是比误识严重得多的问题，而我们这一轮完全没碰。

另外没测的还有：戴口罩、侧脸超过 30°、逆光与强光、双人同时入镜时取哪张脸。

## 下一步

1. 真人重测：20 人 × 每人 3 张（不同时间、不同光线），跑出正负两条分布，再定阈值，并且做成后台可配 + 灰度。
2. 补活体：要么走动作指令（眨眼/转头），要么只上在有结构光的机型上。这一步不做，前面所有优化都是给一个能被照片骗过的系统调参。
3. 把"比对"和"识别"拆开：现在是一对一验证（本人 + 工号），如果以后要做"走过就签到"的一对 N，得先看 N 大了以后误识率怎么变。

## 真机数据

| 项目 | 实测值 |
| --- | --- |
| 正样本 similarity 区间 | 0.974 ~ 1.000（7 组） |
| 负样本 similarity 区间 | 0.578 ~ 0.667（3 组） |
| SDK 判错 | 2/10，全部是误识方向 |
| 反推内置阈值 | 落在 (0.578, 0.637]，文档未给出 |
| 首组耗时 | 918ms（含预热） |
| 稳定耗时 | 360 ~ 420ms / 组 |
| 十组总耗时 | 4751ms |

![七组正样本全部判对，相似度都在 0.97 以上](assets/01-top.png)

![三组负样本：0.637 和 0.667 被 SDK 判成同一人](assets/02-neg.png)

## 总结

端侧人脸比对适合"一对一验证"这种受控场景：本人主动出示、已知工号、只比一张底库照片。行政签到、门禁复核、设备共享时的身份确认，都在这个范围内。

不适合"走过就打卡"式的一对 N，也不适合在没有活体检测的前提下谈安全。这次真正的收获不是"接口能不能用"，而是**接口替你做的那个决定（阈值）恰好是你最不该交给它的那个**。

> 💡 **一句话**：`faceComparator` 只看 `similarity`，把 `isSamePerson` 当它不存在——阈值必须是你的产品参数，不是黑盒常量。

## 参考文献

1. 人脸比对（开发指南）：https://developer.huawei.com/consumer/cn/doc/harmonyos-guides/core-vision-face-comparator
2. faceComparator（人脸比对）API 参考：https://developer.huawei.com/consumer/cn/doc/harmonyos-references/core-vision-facecomparator-api
3. Core Vision Kit 错误码：https://developer.huawei.com/consumer/cn/doc/harmonyos-references/errorcode-core-vision
4. Core Vision Kit 目录：https://developer.huawei.com/consumer/cn/doc/harmonyos-guides/core-vision-kit-guide