号称全球第一个“完全免费开源”的人脸识别库，我扒完源码发现八个坑

这事儿到底是个啥

最近技术圈被一条消息刷屏：一家叫 Faceplugin 的公司开源了一套人脸识别 SDK，号称“全球第一个完全免费、开源的人脸识别库”，Windows 和 Linux 都能跑，CPU 就够，数据不出设备，GitHub 上已经攒了三千多颗星。

评论区一片“薅到了”。本着“天上掉的馅饼，先看馅儿是不是馊的”原则，我把它的源码、官方文档、模型文件挨个翻了一遍——不是抬杠，是这套东西对开发者确实有价值，但坑里还埋着坑。今天从原理、用法到坑位，一次讲透。

一句话介绍：一套纯本地运行的人脸识别 Python 工具包，输入图片，输出人脸框、68 个关键点、特征向量，以及“这两张脸是不是同一个人”的相似度分数。全程不联网、不上云、不吃 GPU。

翻译一下商业逻辑：商业版靠活体检测、证件识别、eKYC 赚钱，开源版是“试用装”加“引流入口”。不是慈善，是漏斗——但只要试用装本身能打，对开发者就是白捡的便宜。

原理：它的五步流水线

看着挺唬人，其实链路很短：检测 → 找关键点 → 摆正脸 → 提特征 → 算余弦。行业里各家都是这个套路，它的特殊之处只有两个：全流程塞在 CPU 里跑，以及整个包不要钱。照着源码，把五步拆开给大家看：

1. 人脸检测：用的社区知名超轻量 SSD（slim-320），权重只有 1MB，CPU 上就能实时跑。
2. 关键点定位：MobileFaceNet 结构，吃 64×64 灰度图，吐 68 个关键点坐标。
3. 人脸对齐：把脸摆正、裁成 128×128 标准脸——注意，这一步实际调用的是闭源 C 库，第六章细说。
4. 特征提取：IRN50（ResNet50 变体）把标准脸压成 256 维特征向量——这个向量就是“人脸的身份证号”，后续比对全靠它。
5. 相似度打分：两个向量算余弦相似度，再线性映射成 0～100 分。

默认阈值 75 分，换算回余弦相似度只有 0.5——松得离谱。源码里的公式是 score =（点积＋1）×50。75 分在人脸识别里属于“这俩人八成有点像”的水平，1 比 N（一对多）场景下误识率会很难看，必须用自己的数据重新标定。

— 检测＋关键点的实际效果（官方仓库截图，来自其商业版 App 演示；红点即 68 关键点，SPOOF 为活体分数）

对开发者的意义

意义有三层，一层比一层实际：

1. 合规这把伞，现在真的能打了：2025 年 6 月 1 日施行的《人脸识别技术应用安全管理办法》要求人脸信息存储于设备内、不得联网传输。本地化部署第一次有了零成本起步的选项。
2. 部署成本摁到地板：不用买显卡、不按次付费、不把用户人脸传给任何云。一台普通办公电脑就能跑，对内网环境、离线设备、隐私敏感场景是实打实的省钱。
3. 试错成本约等于零：以前评估一个人脸方案，光商务流程就能耗掉两周；现在 clone 下来十分钟出结果，行不行当场见分晓。

记住这句：对这个库来说，“数据不出设备”不是卖点，是命根子。它恰好踩在新规的红利上，这比“免费”两个字值钱。

什么场景能用，什么场景快跑

直接上红绿灯，省得大家看小字：

• 🟢 绿灯，放心玩：本地照片库去重、按人聚类、内部工具人脸检索、离线环境 POC、教学和毕设、硬件选型原型——这些场景错了顶多重算，无所谓。
• 🟡 黄灯，加料才敢用：考勤、门禁。技术上能跑，但它没有活体检测，一张 A4 纸就能骗过去，必须外挂活体方案或多因子验证才能上岗。
• 🔴 红灯，千万别：支付验证、金融级 KYC、十万级以上人脸库检索、安防布控、要过监管测评的场景——官方连一个公开精度数据都没给，你拿什么跟审计解释？

怎么获取、怎么跑起来

三步走，比泡面还快。项目地址：github.com/Faceplugin-ltd/Open-Source-Face-Recognition-SDK

# 拉代码，模型权重直接放在仓库里，共 60 多 MB
git clone https://github.com/Faceplugin-ltd/Open-Source-Face-Recognition-SDK.git
cd Open-Source-Face-Recognition-SDK

# 建环境：要求 Python 3.9 以上，依赖 torch 2.4.1 全家桶
conda create -n facesdk python=3.9
conda activate facesdk
pip install -r requirements.txt

# 跑官方自检，会比对 test 目录里的两张示例脸
python run.py

⚠️ 注意：官方 README 里 from face_recognition_sdk import … 这个示例是跑不通的——我把仓库翻遍了，这个模块根本不存在。真实入口是 run.py，修正版姿势如下：

import cv2
from run import GetImageInfo, get_similarity

img1 = cv2.imread("test/1.jpg")
img2 = cv2.imread("test/2.png")

# 返回：人脸数、框、置信度、关键点、对齐图、特征
_, _, _, _, _, feat1 = GetImageInfo(img1, 5)
_, _, _, _, _, feat2 = GetImageInfo(img2, 5)

score = get_similarity(feat1[0], feat2[0])
print(score)
print("同一人" if score >= 75 else "不是同一人")

— 仓库 test 目录自带的两张测试图（原图直出）：同一个人的两张照片，run.py 跑的就是它们的比对。素材来自项目仓库，版权归原作者

两个必须记住的前提：一，脚本必须放在仓库根目录下运行，源码里写死了 ./face_detect/models/… 这样的相对路径，换个目录直接报错；二，特征向量提取完记得存下来，后续比对只用向量，不用反复跑模型。

踩过／看见的八个坑

重头戏来了。以下八条，条条有出处：

1. 没有活体检测：拿张打印照片对着摄像头就能过。任何门禁考勤场景单独上它，等于给老板表演“如何被一张 A4 纸攻破”。
2. 仓库里没有 LICENSE 文件：GitHub API 显示 license 字段为空，LICENSE、LICENSE.md、LICENSE.txt 全部 404。没有许可证，法律上默认“保留所有权利”。要商用，先找官方要书面授权，邮件截图存档。
3. 核心部件是闭源二进制：对齐和姿态估计实际调用 82KB 的 libFaceUtil.so 和 69KB 的 FaceUtil.dll，ctypes 加载，没法审计。隐私洁癖项目心里要有数。
4. 模型权重来路没交代：检测模型是社区开源的 1MB SSD，特征模型是 IR-SE50 这类结构的 PyTorch 转写，但训练数据和权重许可证一个字没提。对比之下 InsightFace 是“明码标价”——代码 MIT、模型非商用需授权，写得清清楚楚。许可链清晰比“免费”二字重要。
5. 默认阈值 75 分太松：余弦 0.5。门禁类调高（拒真好过放错人），考勤类可适当调低，但必须用自己的真实数据标定，没有标定就上线，出事别怪模型。
6. 精度天花板不高：对齐脸只有 128×128、特征只有 256 维，业内主流是 112×112 输入、512 维特征；官方也没公布过任何 benchmark 成绩。跨年龄、跨光照、大角度场景衰减会明显。
7. 平台只支持 x86 的 Windows 和 Linux：macOS 直接退出，树莓派等 ARM 设备也别想——那个 .so 是给 x86 编译的。想先在 Mac 上试试？请自备虚拟机。
8. 零 release、零公开 issue：三千多颗星，一个正式版本号没打过，issue 区干干净净。没有 changelog，坏了只能自己对 diff，社区反馈渠道约等于无。

— 没有活体检测的刷脸系统，长这样（AI 生成示意图）

和老牌选手掰掰手腕

把主流方案拉了个擂台，数据均来自各家公开文档：

锐评：它不是来干掉 InsightFace 的，是来干掉“评估周期”的。同价位（免费）里没有比它更省心的本地试水方案，这就是它的生态位。

给国内开发者划合规重点

聊人脸绕不开《人脸识别技术应用安全管理办法》（2025 年 6 月 1 日施行），六条硬规定放这儿，省得大家事后补课：

1. 单独同意：收集人脸要拿到个人单独同意，不能混在隐私政策里打包勾选。
2. 不得强制刷脸：有其他验证方式的，不得把刷脸设为唯一验证方式，用户有权说“我就不刷脸”。
3. 人脸不出设备：人脸信息应存储于人脸识别设备内，不得通过互联网对外传输——这条正是本地化部署的最大红利。
4. 事前评估：上线前要做个人信息保护影响评估，报告至少存三年。
5. 十万人备案：存储人脸达到 10 万人，三十个工作日内去省级以上网信部门备案。
6. 私密空间禁区：宾馆客房、公共浴室、更衣室等私密空间，禁止安装人脸识别设备，没有例外。

总结，三句话带走

第一句：拿它试水，别拿它押注。十分钟跑通本地人脸识别，这个价值是真实的；要进生产，先拿书面授权、自己标定阈值、补上活体方案，或者直接上 InsightFace／商业 SDK。

第二句：“免费开源”四个字要拆开看。代码确实全摆在仓库里，但许可证缺失、核心库闭源、权重来路不明——“免费”是现在的状态，不是未来的保证。

第三句：它最大的价值不是便宜，是“数据不出门”。新规时代，能理直气壮地说“人脸信息没出过我的设备”，比省下多少授权费都值钱。

📦 相关链接：GitHub github.com/Faceplugin-ltd/Open-Source-Face-Recognition-SDK；官方文档 doc.faceplugin.com