人脸识别核心算法：从特征向量到密度聚类

很多人第一次接触人脸识别时，都会有一个疑问：为什么 AI 能自动把几万张照片里的同一个人归到一起？更进一步的困惑是：为什么不能直接用最经典的聚类算法一步到位？

要回答这个问题，需要先理解人脸识别到底在“识别”什么，再理解聚类在其中的角色，最后才能理解为什么密度聚类比划分式聚类更适合真实的人脸管理场景。

一、人脸识别不是“认脸”，而是比较向量

AI 并不会记住你的长相。一张照片经过人脸检测后，会送入特征提取网络，将整张人脸转换成一个固定维度的特征向量（Embedding），常见维度为 128、256 或 512 维。这个向量可以理解为人脸的“数字指纹”。

关键在于：同一个人的两张照片，即使光照、角度、表情不同，其在高维空间中的距离也会非常接近；不同的人，则距离较远。因此，人脸识别本质上是在比较向量之间的距离，而不是直接比较图片像素。

常用的距离度量包括：

• 余弦相似度：衡量两个向量方向的一致性，对人脸特征尤为常用；
• 欧氏距离：衡量高维空间中的绝对距离；
• 内积：在归一化后与余弦相似度等价。

工程上通常先对特征向量做 L2 归一化，再使用余弦相似度或欧氏距离进行比对。归一化的好处是消除向量模长的影响，使距离更稳定。

import numpy as np
def cosine_similarity(a, b):
    a = a / np.linalg.norm(a)
    b = b / np.linalg.norm(b)
    return float(np.dot(a, b))
# 假设 emb1 与 emb2 是两张人脸的 512 维特征向量
sim = cosine_similarity(emb1, emb2)
# sim 越接近 1，越可能是同一个人

二、聚类才是人脸归档的真正核心

假设你的电脑里有 50,000 张照片、300 多个人物，没有任何标签，现在需要让 AI 自动整理。这时候就进入了聚类阶段。

聚类的目标不是识别某个人是谁，而是把属于同一个人的照片放到同一个集合中。换句话说，聚类解决的是“谁和谁是一伙的”，而不是“这个人叫什么名字”。

人脸聚类面临几个现实挑战：

1. 类别数量未知：照片里到底有多少人，事先无法确定；
2. 类别规模极不均衡：有人出现上千次，有人只出现两三次；
3. 噪声普遍存在：模糊、遮挡、侧脸、戴口罩的照片大量存在；
4. 数据持续增长：用户会不断新增照片，聚类结果需要稳定更新。

这些挑战决定了算法选型不能只看“经典”或“简单”。

三、为什么划分式聚类不适合人脸场景

以 K-Means 为代表的划分式聚类，最大的问题就是必须提前指定类别数量 K。

例如：50,000 张照片，到底应该分成多少个人？100？300？500？现实中没人知道答案。

• 如果 K 设置过大，会把同一个人拆成多个类别；
• 如果 K 设置过小，又会把不同的人混到一起；
• K-Means 对初始中心敏感，结果不稳定；
• K-Means 假设簇是球形且规模相近，而人脸簇的形状和大小差异极大；
• K-Means 会强行把每个点归入某个簇，噪声照片也会被错误归类。

在人脸管理场景中，这种方式并不理想。更本质地说，K-Means 优化的是“簇内平方和”，它天然倾向于把数据切成大小相近的球形区域，而不是发现密度不均、形状任意的真实人物簇。

四、密度聚类为什么更适合人脸归档

密度聚类算法（如 DBSCAN、HDBSCAN 及其变体）的核心思想是：簇是数据空间中密度较高的区域，被低密度区域分隔开。它不依赖预设类别数量，而是根据样本分布的紧密程度自动发现簇。

以 HDBSCAN 为例，它最大的优势有几个：

• 不需要提前指定有多少个人：算法自动推断簇的数量；
• 能自动发现不同规模的人物类别：大簇小簇都能保留；
• 可以把模糊、遮挡、侧脸等异常照片识别为噪声，而不是强行归类；
• 对照片数量增加更加稳定：新增数据不会导致整体结构剧烈变化；
• 对参数相对不敏感：相比 DBSCAN 的单一距离阈值，HDBSCAN 通过层次化密度估计减少了调参负担。

from sklearn.cluster import HDBSCAN
# features: N x 512 的人脸特征矩阵，已做 L2 归一化
clusterer = HDBSCAN(
    min_cluster_size=3,      # 一个簇至少包含的样本数
    min_samples=2,           # 核心点的邻域样本数
    metric="euclidean",
    cluster_selection_method="eom"
)
labels = clusterer.fit_predict(features)
# labels 为 -1 表示噪声点，其余整数表示簇编号

因此，目前很多商业级的人脸聚类系统都会采用 HDBSCAN 或类似算法作为聚类主干。

五、商业产品还会继续优化

很多人以为聚类结束就完成了，其实远远没有。真正的商业产品通常还会增加很多优化步骤：

• 小簇自动合并：把因阈值过严而分裂的同一人物簇合并；
• 多轮相似度校验：对簇内样本做二次比对，剔除误入的异类；
• 视频帧去重：连续视频帧高度相似，需去重避免单个人物被过度膨胀；
• 模糊照片回收：对低质量照片单独处理，避免污染聚类结果；
• 原型向量更新：为每个簇维护一个中心原型，随新样本迭代更新；
• 自动选择最佳头像：从簇中挑选清晰、正面、光照良好的照片作为代表。

这些优化往往比模型本身更影响最终体验。一个高质量的人脸整理系统，算法只是起点，工程流水线才是决定成败的关键。

六、本地 AI 正在成为趋势

随着个人照片越来越多，很多用户开始关注隐私。因此，现在越来越多的人脸整理软件开始采用本地 AI 推理。

本地推理的优势包括：

• 照片无需上传，隐私风险更低；
• 无网络依赖，响应更快；
• 可结合本地存储与索引，实现离线人脸库管理。

与此同时，云端方案在超大规模检索、跨设备同步和模型持续更新方面仍有优势。实际落地时，常见做法是“本地提取特征 + 云端可选增强”，在隐私与能力之间取得平衡。

七、总结

人脸识别的核心不是“认脸”，而是把脸映射为高维向量并比较距离；人脸聚类的核心不是“分类”，而是在未知类别数量的前提下自动发现人物簇。划分式聚类因需预设 K 值、对噪声敏感、假设簇形状规则，并不适合真实人脸场景；密度聚类则凭借自动发现簇、容忍噪声、适应规模差异等特性，成为商业级人脸聚类的主流选择。

对开发者而言，理解特征提取、距离度量、密度聚类与工程后处理这条完整链路，比单纯调用某个接口更重要。只有在算法与工程之间找到平衡，才能构建出真正稳定、可扩展、体验良好的人脸识别与聚类系统。