做人脸识别项目时，很多开发者第一反应是找免费人脸API快速验证，但真到选型阶段才发现：不同平台标称的"人脸检测"精度可能相差十几个百分点，而"人脸分析"能力更是千差万别。问题出在哪？

一、行业现状：能力口径不统一

目前市面上的人脸识别API、SDK大致分为两类：一类以人脸检测为核心，输出人脸框、关键点、质量分；另一类在此基础上叠加人脸分析，包括年龄性别估计、活体检测、属性识别等。不少厂商将两者混为一谈，导致选型时难以横向比较。

二、核心技术差异拆解

人脸检测是底层能力，关键在于小脸、侧脸、遮挡场景下的召回率。以业内常见指标看，主流SDK在FDDB上可达99%以上，但在真实监控场景中，小于40×40像素的人脸召回率往往骤降至85%左右。

人脸分析则依赖检测结果做二次推理，属性模型的准确率高度依赖训练数据分布，跨场景迁移时衰减明显。

三、选型指南

• 验证阶段优先用免费人脸API跑通链路，关注QPS限制与商用授权条款；
• 生产环境评估人脸识别API、SDK时，务必用自有场景数据做POC，重点看误识率（FAR）与通过率（TAR）曲线；
• 离线部署需求优先考虑SDK，注意模型体积与算力适配。

边缘侧人脸检测需求增长明显，轻量化模型与端云协同将成为主流架构。选型时把检测与分析能力分开评估，才能避免被营销话术带偏。