AI产品经理面试宝典第6天：人脸识别6大核心涉及到的面试题

面试官：实际场景中人脸采集需关注哪些核心参数？这些参数如何影响识别效果？
你的回答：
图像大小决定识别距离——60×60像素是最低门槛，百万人群库场景需100×100以上保障特征提取。分辨率直接影响识别距离上限：4K摄像头最远10米，7K可达20米。
光照环境需动态平衡：过曝会丢失纹理，过暗导致噪点，需通过补光或HDR算法优化。
遮挡与角度是落地难点：口罩遮挡时需调整模型关注眼部特征；侧脸超过30度需增加多角度训练数据。安防场景建议摄像头俯角≤15度以抓取完整人脸。

面试官追问：如何量化评估人脸检测模型效果？
你的回答： 举个银行ATM机的案例：某监控画面含7张人脸，系统检测出4张（含1个误报的路标）。

• 检测率=3/7≈42.8%（真实检出率）
• 误检率=1/4=25%（干扰项误判）
• 漏检率=4/7≈57.1%（关键安防漏洞）
  产品需结合场景权衡指标：金融场景追求误检率<1%，而社交App可接受更高漏检率换取实时性。

面试官：人脸匹配环节的阈值设定有什么门道？
你的回答： 这本质是精确率与召回率的博弈。假设1000张图片含600个目标人物：