识别库里只有我一个人，它还是把我室友认成了”我”

最近在给桌面助手加人脸识别。全在本地跑，不上云，库里只存经过本人同意录入的照片。

管线跑通那天晚上，我正对着摄像头调东西，室友回来了，从我身后走过。

屏幕上他的脸被框出来，标签写着我的名字。

库里只录了我一个人。这个系统认识的全部人类加起来，就是我。然后它看着我室友，说：这是我。

置信度还不低。

它是怎么工作的

链路本身不复杂。

MediaPipe 负责盯着摄像头，发现”有张脸”就叫一声。这层很宽容，眨眼、侧脸都不影响——它只管有没有人，不管是谁。然后把脸裁下来交给 OpenCV：YuNet 对齐，SFace 抽一个 128 维向量，拿去和库里的样本算余弦相似度。

另外我自己加了一层”粘性身份”。因为置信度在你眨眼或转头的瞬间会自然往下掉，要是每一帧都重新判断你是谁，名字就在屏幕上闪来闪去。所以认出你之后，只要画面里一直有脸，就一直是你；人离开五秒以上才忘掉。低头看手机不会被忘，真走了才会。

当时觉得这个设计还挺优雅的。记住它，后面它要负主要责任。

说实话，第一反应是怀疑我俩长得像。

我们不像。

挖了一阵之后，我怀疑是三件事凑到了一起。

第一，录样本的时候我没做任何质量检查。 有几张是我一边动一边拍的，糊的。糊照片抽出来的向量是什么？是”一张糊掉的脸”的平均长相，五官细节全被抹掉了。这种向量跟谁都有点像。

第二，匹配逻辑取的是所有样本里的最高分。 当前帧跟库里每一张都比一遍，谁分高听谁的。也就是说库里只要混进一张烂样本，整个库等于废了——室友跟我那些清楚的照片比，分数很低，但没用，他只需要跟那张糊的对上。

第三，就是那个我觉得很优雅的粘性身份。 前两条凑出来的，其实只是某一帧的误判，按理说下一帧可能就纠正了。但粘性逻辑不知道这一帧是错的，它只知道”认出来了”，然后忠实地执行自己的职责：画面里有脸，就保持这个身份。

一帧的错，被它锁成了持续的错。

两个改动。

录入时加质量过滤，糊的照片直接拒收。源头断掉，那种”跟谁都像”的向量就不会再产生了。

身份不再由单帧决定。连续好几帧都认成同一个人，才真正锁进粘性逻辑。偶然对上一帧的，没机会转正。

本来还考虑过在录入时弹个提示让人”请保持不动”，后来觉得不如直接拒收糊的——用户什么都不用配合，系统自己变严格就行了。

我把这事讲给导师听。他觉得修得对，比弹提示强，然后顺手把问题往深处推了一把：

比较用的基准照片本身就有很多值得琢磨的；再往前走一步，应该设一个最低相似度门槛，而且这个门槛不是拍脑袋定的——等库里的人多起来，按人和人之间的正常差异去算。

这句话戳到我了。我一直把阈值当成调参问题，调到”感觉对了”为止。但它其实是个统计问题：阈值要区分的是”不同人之间的差异”和”同一个人自己的波动”，那它就应该从数据里长出来，而不是从我的手感里。

而库里只有一个人的时候，“人和人之间的差异”这个数据根本不存在。系统没见过第二个人，它连”不像”是什么都不知道。所以这个 bug 挑在只录了我自己的时候爆出来，不是巧合。

要说学到什么，大概是：每一层单独看都挺合理，不代表拼起来合理。检测层宽容是对的，取最高分听着也没毛病，粘性身份确实让体验更顺——三个”没毛病”，叠出一个特别自信的错误答案。

还有一条：只有一个用户的测试环境，测不出任何跟”区分”有关的问题。识别系统的本职就是把人分开，而这件事在第二个人走进画面之前，根本没被测过。

阈值自动校准还在做，做完再写。