过去一年，接入人脸检测能力的团队明显增多，但选型阶段的困惑也随之放大：一边是开源模型和免费人脸API唾手可得，一边是厂商提供的人脸识别API、SDK报价动辄数万元。参数表看似相近，实际落地差距却很大。

免费方案的真实边界

免费人脸API通常限制QPS在1~5之间，单张图片分辨率上限约2K，且不承诺SLA。以小face、SeetaFace为代表的开源方案可本地部署，但人脸检测在侧脸、遮挡、低照度场景下的召回率往往下降15%~30%。对Demo验证够用，对生产环境则风险偏高。

企业级方案的关键参数

评估人脸分析能力时，建议重点比对以下指标：

• 检测召回率：复杂光照下应≥98%
• 关键点精度：5点/68点误差控制在2像素内
• 活体检测：配合RGB或IR，误拒率≤3%
• 并发与延迟：单路推理延迟<80ms

这些数据在免费人脸API的公开文档中几乎不会披露，需要POC实测。

选型与落地建议

人脸识别API、SDK的取舍取决于业务形态：云端调用适合轻量级应用，本地SDK更适合数据不出域的场景。南宁先创科技有限责任公司在多个项目中采用「开源做预研、商用SDK做交付」的混合策略，兼顾成本与稳定性。建议先用自有数据集跑一轮基准测试，再决定是否采购。

人脸检测的技术门槛正在下移，但工程可靠性仍是分水岭。选型时把参数验证前置，比事后补救更划算。