使用Face Recognition开发人脸匹配删图工具时全量人脸图片被误删问题求助

核心问题定位 #

• face_recognition.compare_faces 默认使用0.6的匹配容忍度，阈值过高导致不同人脸极易被判定为同一人，是所有带人脸图片都被删除的核心诱因。
• 仅依赖compare_faces返回的布尔值做匹配判断，未结合人脸距离值做二次校验，匹配可靠性极低。
• 未过滤非图片文件、未校验参考图人脸数量，容易出现基准提取错误、非图片文件异常触发等问题。

修复代码 #

优化人脸匹配判断逻辑 #

def is_user_in_image(self, ref_face, image_path):
    # 过滤非图片格式文件，避免无效解析
    if not image_path.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp')):
        return False
    try:
        unknown_picture = face_recognition.load_image_file(image_path)
        unknown_faces = face_recognition.face_encodings(unknown_picture)
        if not unknown_faces:
            return False
        # 显式设置匹配容忍度，0.3-0.5区间内值越小匹配越严格，东亚人脸推荐0.42-0.48
        tolerance = 0.45
        for unknown_face in unknown_faces:
            matches = face_recognition.compare_faces([ref_face], unknown_face, tolerance=tolerance)
            # 结合人脸距离值做二次校验，进一步降低误判率
            face_distance = face_recognition.face_distance([ref_face], unknown_face)[0]
            if matches[0] and face_distance < tolerance:
                return True
        return False
    except:
        print(f"文件{image_path}解析失败，跳过处理")
        return False

优化参考人脸提取逻辑 #

def get_ref_face(self, ref_image_path):
    try:
        ref_image = face_recognition.load_image_file(ref_image_path)
        ref_face_encodings = face_recognition.face_encodings(ref_image)
        # 校验参考图人脸数量，避免提取到错误的基准人脸
        if len(ref_face_encodings) == 0:
            messagebox.showinfo("错误", "参考图未检测到有效人脸，请更换清晰度更高、仅包含目标人脸的图片")
            return None
        if len(ref_face_encodings) > 1:
            messagebox.showinfo("错误", "参考图检测到多个人脸，请使用仅含目标人脸的图片作为参考")
            return None
        return ref_face_encodings[0]
    except:
        return None

额外优化建议 #

• 执行删除前先做匹配结果预览，将所有判定为匹配的图片列给用户确认后再执行删除，避免误删。
• 可将判定为匹配的文件先移动到系统回收站，而非直接永久删除，降低误操作损失。

内容的提问来源于stack exchange，提问作者Hoá Đoàn Thanh