同一张脸，两个扫脸工具为什么给出不同分数

先说结论

同一张照片，丢进两个扫脸 App，分数差二十点很正常。两个 App 都没坏。分数不是你脸上的某种属性，而是一条流水线的输出，而流水线的每一段都埋着选择题。选择题换了答案，数字就变了。

其中三个选择决定了大部分差距：量的是脸上哪些点、这些测量值除以什么、以及得到的比值落在 App 自己那把尺子的哪个位置。还有第四个，大多数人根本不会想到——它发生在 App 看到画面之前。

1. 它们量的不是同一批点

扫脸模型都建立在关键点方案上，而这些方案彼此并不通用：

• 68 点——dlib 和早期 OpenCV 的经典布局。下颌轮廓、两条眉、鼻梁和鼻底、两个眼眶、内外唇线。
• 98 点——WFLW 标注方案，不少研究模型在用。思路一样，但眼周和唇形更密。
• 468 点——MediaPipe Face Mesh，一张覆盖整张脸的密集网格，连脸颊和额头都算进去。
• 478 点——同一张网格，外加 10 个虹膜点，每只眼 5 个。

差别在哪儿？拿鼻宽举例。68 点方案里只有两个鼻翼点和一段距离；468 点网格上，鼻子附近有好几对候选点，公式挑哪一对，量出来的宽度就差几个百分点。下颌宽同理：密集网格最外侧的那个脸颊点，和 68 点方案里的下颌角，根本不是同一个解剖位置。两个 App 都可以老老实实写着"下颌宽"，量的却是你脸上不同跨度的两段。

点多不等于更准。网格越密，公式可选的余地越大，也就越容易和隔壁工具对不上。

2. 每个比值都需要分母，而它们挑的分母不同

像素距离本身没有意义——分辨率一变、离镜头远近一变、裁剪切法一变，数字就跟着变。所以所有工具都会把原始距离除以某个东西，变成比值。常见的分母有四种：

两个 App 可以量出完全相同的鼻翼跨度，却报出不同的"鼻宽比"，原因只是一个除以颧骨宽、另一个除以包围盒。如果包围盒把你的头发也算进去，分母变大，所有比值一起变小——整齐地变小。这就是为什么你什么都没变，整张脸的分数却掉了。

有个好用的判别法：换发型数字会动、换表情数字不动，那它多半用的是包围盒当分母。

3. 训练数据不是中立的

关键点模型是从标注照片里学出来的，学过哪些照片，决定了它在哪些脸上准。Google 公开的 Face Mesh 说明里提到训练集约三万张图像。不管具体构成如何，没有任何一个数据集能同等代表所有人群。这个领域公认的薄弱环节也很一致：极端头部角度、暗光、眼镜/胡须/头发遮住面部，以及在标注集里出现较少的肤色。

落到实际使用中，就是一个你看不见的误差。下颌角偏两三个像素，在预览里根本看不出来，但换算成比值就是实打实的变化，而这个比值后面会被映射到 0–100，斜率还挺陡。输入端一点点错，输出端一大截差。

同一个 App、同一个人，换盏灯分数就变，也是这个道理。那不是"状态不好"，是检测器置信度在动。

4. 模型跑之前，画面已经被改过一遍

多数手机摄像头在任何 App 拿到画面之前就已经处理过一帧：磨皮、色调映射，有的还会直接重塑脸型。这带来两个后果。

第一，磨皮抹掉了关键点模型用来找边缘的纹理梯度——唇线、双眼皮褶、鼻翼两侧。关键点开始漂。

第二，重塑改变了几何形状本身。模型随后测的是被重塑过的那张脸，而且测得很准。它没错，只是喂给它的输入已经不是你。

一个读原始相机缓冲的 App，和一个读已经处理过的预览画面的 App，就算算法一模一样，结果也会不一样。

5. 最后一步是设计出来的，不是测出来的

就算关键点相同、分母也相同，数字还是会不同，因为把比值变成分数是一次设计决策。常见写法是：取比值 r，夹在最小值与最大值之间，线性映射到 0–100。端点一挪，所有分数跟着挪。

A 工具的 70 分可能意味着"区间中段、略高于平均"；B 工具的 70 分可能意味着它自己样本里的前 10%。这些端点没有对齐任何外部标准，只是让分布在一两百张测试图上看起来合理。

所以绝对分数没法跨 App 比较。排序稍微能比一点，但也只在相似的一小撮脸之间成立。

一套你真的能跑起来的对比

诀窍是把自己这个变量去掉。一张打印出来的照片是物理常量：几何一样、光线一样，每一次都一样。

1. 选一张清晰的正脸照，用哑光纸打印，高度约 15 厘米。
2. 贴在墙上，与眼睛同高。用一盏灯从正面打光，拉上窗帘。
3. 用每个工具扫这张打印件，间隔十分钟扫两次，两个数字都记下来。
4. 再用真人自拍重复一遍：距离 60 厘米，镜头与眼睛同高，关掉滤镜。
5. 列一张表：工具、打印件分数、自拍分数、差值。

怎么读这张表：

• 打印件稳定、自拍乱跳——这个工具对输入敏感，不是对脸敏感。它的波动来自光线和姿态。
• 同一个工具上，打印件分数和自拍分数差很远——它在做重度预处理。打印件没有皮肤纹理可磨，两种输入对它并不等价。
• 两个工具对五张打印脸的排序一致——它们在用不同的尺子量相似的东西。
• 排序对不上——它们量的根本是两回事，标签在替它们圆场。

拿五张脸比排序，是唯一能跨过"刻度不同"这道坎的比法。绝对数字不通用，排序有时通用。

如果你发现波动主要来自自己这一端，先把输入固定下来：自拍角度指南 讲了距离、镜头高度和光线；脸型分析器 则适合用来验证——同一张照片连传两次，看同一条流水线会不会自己跟自己打架。

那你拿到的分数该怎么看

以上这些不会让测试变得不好玩，只会让它变得可读。两个 App 对你的脸意见不一致时，这个不一致是关于 App 的事实——它们的关键点、分母、训练集、刻度——不是关于你的事实。在认真对待一张截图之前，知道这一点挺重要。

常见问题

同一张照片，为什么两个 App 分数不同？

关键点方案不同、同一个比值用了不同分母、训练数据不同、最终刻度的端点不同。其中任何一条，都足够让分数差出十分。

分数高的那个更准吗？

不是。这里根本没有一个"真值"可供对准。分数高通常只说明它的刻度锚点更低，或者它的公式正好奖励了你身上的某个特征。

哪种关键点数量最准？

没有统一答案，要看任务。68 点成熟、便宜；468 或 478 点覆盖密集，适合做形状分析。准确度主要来自训练集和它跟你拍摄条件的匹配程度，而不是点数本身。