2026 年 3 月，美国田纳西州女性 Angela Lipps 因涉嫌北达科他州银行欺诈罪被错误羁押超过五个月。调查人员未曾核实其不在场证明，仅凭人脸识别系统匹配结果便发出逮捕令。这一案例并非孤例，而是人脸识别技术在执法场景中系统性误报问题的缩影。从工程视角审视，误报根源可归结为三个核心维度：特征提取偏差、阈值设定失当与跨域分布偏移。
特征提取偏差的生成机制
人脸识别系统的核心在于将面部图像映射为高维嵌入向量。特征提取器的性能直接决定了同一人在不同条件下的嵌入距离，以及不同人之间的区分度。当训练数据在人口统计维度上存在显著不平衡时，嵌入空间会呈现系统性偏移。研究表明，若训练集中深肤色个体、老年群体或佩戴配饰（眼镜、口罩）的样本不足，模型对这些群体的特征表达能力会显著弱化，导致相似度分数在特定子群体上出现系统性升高。
具体而言，当特征提取器在某一 demographic 群体上训练不足时，该群体内部的类内距离会偏大，而类间距离可能偏小。这种不对称分布意味着两个不同个体（其中一人属于 underrepresented 群体）的相似度分数可能高于两个同一人（其中一人属于 well-represented 群体）的相似度分数。在执法场景中，这种偏差直接转化为对特定群体的更高误识概率。美国国家标准与技术研究院（NIST）的 FRVT 测评显示，某些商业人脸识别算法在深肤色女性群体上的误识率可达浅肤色男性的十倍以上。
阈值设定的工程陷阱
决策阈值是人脸识别系统从连续相似度分数到二元判定结论的关键转换点。阈值的选择本质上是在误接受率（False Acceptance Rate, FAR）与误拒绝率（False Rejection Rate, FRR）之间寻求平衡。固定阈值的便捷性背后隐藏着深刻的风险：全局阈值假设所有查询样本遵循相似的分数分布，而这一假设在跨人群、跨场景部署时往往不成立。
以安全门禁场景为例，若将 FAR 设定为万分之一以满足高安全需求，误拒绝率可能攀升至百分之十以上，导致授权用户频繁被拒。反之，若放宽阈值以提升用户体验，冒名顶替者闯关概率将急剧上升。NIST 的测评数据表明，同一算法在不同年龄段、性别和种族群体上的等错误率（Equal Error Rate）可相差数倍。这意味着在某一群体上表现优异的阈值，可能在另一群体上产生大量误报。
更值得警惕的是阈值漂移现象。随时间推移，部署环境的摄像机老化、光照条件变化、用户面部特征改变（增重、整形、衰老）都会导致分数分布整体偏移。若系统缺乏持续校准机制，初始设定的阈值将在数月后失效，要么产生大量误报，要么形同虚设。
跨域分布偏移的隐蔽威胁
跨域分布偏移是工程实践中极易被忽视的误报根源。训练数据通常采集于特定光照条件、分辨率和拍摄姿态的受控环境，而实际部署环境可能与此存在显著差异。查询图像可能来自低分辨率监控摄像头、逆光环境、运动模糊或口罩遮挡等极端条件，这些因素会导致提取的特征向量偏离训练时建立的空间结构。
分布偏移的影响体现在两个层面。其一，相似度分数的绝对值区间发生变化 —— 原本在训练集上高于 0.8 的匹配分数，在低质量查询图像上可能降至 0.5 以下，使得固定阈值产生大量漏检。其二，不同个体的分数分布重叠度增加，导致本应区分开的负样本对获得异常高的相似度分数。在执法应用中，这意味着系统可能将无辜者的面部特征错误地匹配到罪犯数据库中的某条记录。
研究表明，即使采用同一人脸识别算法，在不同数据集（训练集与测试集来源不同）上进行评估时，FAR 可能发生数量级的变化。这种脆弱性在跨地域部署时尤为突出 —— 在一地区经过验证的系统，可能在另一地区的实际应用中产生截然不同的误报表现。
量化指标与监控体系
针对上述风险，工程师需要建立系统化的量化评估框架。核心指标包括：FAR（误接受率，衡量冒名顶替者被错误识别的概率）、FRR（误拒绝率，衡量合法用户被错误拒绝的概率）以及检测错误权衡曲线（DET Curve）所揭示的二者权衡关系。对于执法场景，建议将 FAR 控制在百万分之一以下，同时通过分段阈值或自适应机制确保不同人群的 FAR 差异不超过两倍。
监控体系的搭建应覆盖三重维度：时间维度上，按周粒度追踪 FAR 与 FRR 的移动平均值，设定阈值突破报警（如 FAR 周均值超过基线 50% 即触发复核）；人群维度上，按性别、年龄段、肤色分组计算误报率，识别异常偏高的子群体；场景维度上，按摄像机型号、部署位置、时段分组分析，捕捉环境因素导致的分布偏移。
此外，引入人工复核节点至关重要。参考 Angela Lipps 案例，调查人员若在 AI 匹配后追加基本的事实核查（核实不在场证明、比对身形特征），完全可以避免错误的逮捕决定。工程上可在高置信度匹配（相似度 > 0.95）与低置信度匹配（0.7-0.95）之间设置差异化的复核流程，对后者强制要求人工介入。
对抗策略与落地参数
基于上述分析，可提出以下工程化对抗策略。首先，在特征提取层面，优先选用在 NIST FRVT 测评中跨种族一致性表现优异的模型，并在部署前使用目标人群的真实数据进行微调，确保特征空间对部署环境的适应性。其次，在阈值管理层面，采用动态阈值机制 —— 根据查询图像的质量评分（分辨率、模糊度、遮挡程度）自动调整判定阈值，低质量图像匹配需要更高的相似度分数才能通过。第三，在验证流程层面，构建多因子融合体系，将人脸识别与声纹验证、行为生物特征（如步态）或传统证件核验相结合，单一模块的误报不会直接导致最终判定。
具体参数建议如下：对于执法场景的首次匹配，相似度阈值建议设定为 0.92 以上，同时触发不低于 85% 置信度的人脸质量检测；跨域部署后需进行为期不少于两周的基线数据采集，以该期间的实际 FAR/FRR 表现为依据调整阈值；每季度执行一次跨人群公平性审计，计算各 demographic 群体的误报率标准差，若超过 0.5 个百分点则需触发模型重训或阈值重构。
人脸识别技术的误报问题并非算法缺陷所能完全解释，而是数据、阈值与部署环境三者交互作用的系统工程挑战。唯有在特征工程、决策逻辑与业务流程三个层面协同发力，方能将误报率控制在社会可接受的范围内，避免下一位 Angela Lipps 的无谓伤害。
资料来源：NIST Face Recognition Vendor Test (FRVT) Demographics Study, Kairos Face Recognition Threshold Guide