你手上只有一帧画面，没有片名、没有番号、也没有文件名。走得通的办法不是去搜这张图片——而是去搜图片里面的那张脸，再从人出发，往外推到作品。

这一次顺序的调换就是整个方法。截图是一张独一无二、网上别处根本不存在的图像，所以没有任何东西能作为图像跟它匹配上。而一张脸不一样，它出现在成百上千张封面和剧照里，可以在所有这些图之间做数学上的比较。

截图里究竟需要有什么？

一张脸，看得见，而且没有转得离镜头太远。其余的都可有可无。

人脸识别的工作方式，是先定位那些关键点——两只眼睛的中心、鼻尖、两个嘴角——再用它们把脸摆正到一个标准姿态，然后才编码。如果这些关键点被挡住了，就没有东西可对齐，流水线在匹配还没开始之前就停了。

画面里的元素 对人脸搜索的影响
正面或略带角度的脸 最理想——关键点全都看得见
明显的侧脸（转过去超过 45° 左右） 检测可能成功，但匹配质量急剧下滑
脸被手、头发或物体挡住一部分 通常检测不出来
严重的运动模糊 关键点变得不可靠
脸非常小（宽度只有几十个像素） 细节太少，编码不出有意义的东西
背景、房间、家具 完全被忽略——一点作用都没有
画面上的文字、台标、时间戳 人脸这一步会忽略，但对你后面有用

最后两行常让人意外。人脸搜索是刻意把背景扔掉的。这也是为什么一张各方面都「很烂」的截图——房间很暗、画面很乱——只要脸是干净的，照样能完美奏效。

步骤按顺序是什么？

  1. **暂停在一张脸清楚可见的画面上。**尽量挑女优看向镜头的那一刻。往前拖几秒，几乎永远比事后去抢救一张烂画面来得省事。
  2. **按原始分辨率截下这一帧。**截播放器的图，不要拿手机拍屏幕。也别把它重新裁成一个小方块——检测器会自己做裁切。
  3. **上传，让检测跑起来。**在这里检测是在你的浏览器里完成的：图像在本地分析，只有裁切出来的人脸区域加上五个关键点坐标会被送出去。
  4. **如果找到好几张脸，挑对那一张。**多人场景会返回多个检测结果。挑错了，它不会报错，只会悄悄把你带到错误的方向上去。
  5. **要读相似度分数，不能只看排序。**排序列表永远会返回点什么。分数才告诉你它有没有意义。
  6. **拿这位女优的已知作品去确认。**有了名字之后，把你这一帧里的具体信息——发长、服装、场景、纹身或穿孔、任何看得见的文字——跟封面和剧照对上。

第 6 步是大家最常跳过的，而大部分错误答案就出在这里。人脸搜索给你的是一个人，不是一部作品。作品是你自己推出来的，而这需要第二份证据。

相似度分数该怎么读？

人脸向量是用余弦相似度来比较的，取值从 0 到 1。在我们的数据上，针对视频截帧标定的阈值是 0.40——高于它，就当这两张脸大概是同一个人。

分数区间 该怎么看待
低于 0.40 在阈值之下。当成没匹配上，不管它看着多像
0.40 – 0.50 弱。在你依赖它之前需要独立的佐证
0.50 – 0.65 说得过去。仍然值得再拿同一个人的第二张图核对一下
高于 0.65 强。除非画面质量太差，否则通常就是同一个人

一个 0.42 的结果和一个 0.85 的结果，在列表里长得一模一样，含义却天差地别。任何把分数藏起来的工具，藏掉的正是你做判断时需要的那部分。

为什么索引比算法更要紧？

因为一张从来没被索引过的脸，不管比对做得多好，都不可能被返回。

我们的索引里有 241,792 张脸、2,333 位有名字的女优，取自 106 个站点上的成人作品封面与画面（我们的索引，2026-08 快照）。这批素材在通用图像索引里压根就不存在，这也是为什么通用工具不管工程做得多好，都返回不了有用的东西。

**有一条边界值得直说：**我们的覆盖并不均匀。在 2,333 位有名字的女优中，有 2,246 位的代表图来自同一个站点。这是一个实打实的偏斜。一部出自我们没索引过的片库的作品，或者一位从未出现在我们覆盖的来源上的女优，就是找不到——而工具仍然会给你一份「差一点」的排序列表。能护住你的，就是去读那些分数。

如果返回的东西没一个说得通，该怎么办？

先换输入，再换工具。按见效频率从高到低排：

  • **换一帧试试。**从同一场戏的另一个时刻再截一张，是收益最高的单个动作。
  • 换场景里的另一个人试试，前提是不止一个人。
  • **看看画面上有没有番号。**很多作品会把番号烧进片头、封面镜头或者水印里。有了番号，一个图像问题就变成了一次文字检索。
  • **接受「就是没有」这种可能。**素人上传、非常老的作品，以及来自未被索引片库的内容，确实可能根本没有条目。

相关问题

如果那一帧已经打开着，就在这里上传，看看返回什么。检测在你的浏览器里跑——原始截图永远不会离开你的设备，只有裁切出来的人脸区域会被送去匹配，事后也不留存任何东西。