FaceBlurify 身份图库如何工作：分析、审核、保留、模糊

身份图库是选择性匿名化的核心。它将原始检测结果转为简单的决策界面：选择哪些身份保留，哪些身份匿名化。

在此使用选择性流程：/zh/tools/blur-faces-videos/

两阶段模型

1. 分析阶段：随时间检测并分组人物。
2. 应用阶段：在输出渲染中执行你的保留/模糊策略。

这样可以使决策明确且可重复。

为什么优于逐帧手动编辑

• 对长片段更快。
• 在镜头变化间更一致。
• 更容易向团队说明工作流程。

实用调节项

分析时最重要的两个设置：

• 帧步长：较低值会提高采样质量。
• 相似度阈值：控制检测结果分组的严格程度。

身份拆分过多时，略微放宽相似度；身份错误合并时，收紧它。

修复常见身份分组问题

同一个人显示为多个身份（拆分）

• 剪辑到光线一致的更短片段。
• 降低帧步长以增加采样密度。
• 略微放宽相似度并重新分析。

多个人合并为一个身份（合并）

• 收紧相似度，并在问题片段上重新分析。
• 优先选择性流程并仔细审核人物交叉。
• 场景拥挤时，广角画面可考虑全身匿名化。

保留/模糊策略模型

• 默认行为通常是模糊所有检测到的身份。
• 必要时将选中的人物切换为保留。
• 只有分组质量不可接受时才重新分析。

质量保证检查表

• 确认每张图库身份卡都对应目标人物。
• 检查人物交叉的转场。
• 审核最终输出中低光或侧脸角度的漏检。

在制作中的适用位置

身份图库最适合：

• 创作者和访谈素材。
• 需要一位讲述者保持可见的团队审核。
• 需要可追溯决策逻辑的敏感编辑。

相关指南

• 模糊除你之外的所有人
• 视频匿名化最佳实践
• 检测漏掉了某人？修复方法
• 人脸模糊与全身匿名化

常见问题

身份图库适用于拥挤场景吗？

适用，但拥挤场景通常需要更低的帧步长和仔细的最终审核。

分析后可以更新决策吗？

可以。应用前可更改保留/模糊决策。

这和全身匿名化相同吗？

不同。身份图库是人脸身份工作流程；全身是单独的匿名化目标。