照片扔进软件。几秒返回一个数字。23岁。28岁。45岁。

看着屏幕上那个数。跟真人对不上号的时候常有。偏差三五岁算正常。差出十岁往上也不稀奇。

软件不靠猜。靠一套固定检测流程。

先找脸。画面里有没有人脸。几张脸。侧脸还是正脸。角度太偏直接报失败。光线太暗也报失败。戴墨镜遮住半个脸的基本没法算。软件第一步干的就是这个。锁定面部区域。把脸从背景里抠出来。

找到脸之后开始划关键点。68个。106个。有的算法用240个。眼睛内角外角。鼻尖鼻翼。嘴角。下巴尖。颧骨高点。眉骨位置。这些点连成一张网格。软件眼里没有美丑。只有坐标。每个点的相对距离。比例关系。

小孩的脸跟大人不一样。婴儿眼睛位置在面部中下方。成年人眼睛大概在中间偏上。老人眼睛位置基本不变。但软组织往下走。法令纹位置那组关键点会往下坠。软件从关键点分布密度就能推算大概年龄段。0到2岁一种模式。3到12岁一种。13到19岁一种。20到50岁一种。50以上一种。

然后是皮肤纹理分析。皮肤纹路是年龄判定的核心依据之一。把面部区域切成十几个小块。额头一块。左右眼周各一块。面颊两块。嘴角周围一块。每个小块提取高频信号。皱纹和细纹对应图像里的高频成分。年轻皮肤高频信号弱。老年皮肤高频信号强。算法算一个粗糙度指标。这个指标跟年龄有明确对应关系。25岁以前皮肤粗糙度指数通常低于0.3。50岁以上这个数普遍超过0.6。

色斑和色素分布也在算。紫外线累积暴露量直接写在脸上。雀斑。晒斑。老年斑。软件不会区分斑的类型。只算密度和面积占比。面部色素沉着面积比例每增加百分之五。年龄估计值往上跳两年左右。这个参数受种族和地域影响大。同一算法换个人种数据集偏差能到七八岁。

眼眶骨骼变化也算。眼眶骨在二十五岁之后每年有微量吸收。CT数据上看得清楚。普通照片看不透骨头。软件通过眼眶周围软组织凹陷程度反推。眼窝越深。上眼睑脂肪越薄。年龄读数越大。颧骨位置的软组织厚度也在减。面中部脂肪垫下移。苹果肌位置的饱满程度跟二十岁时比差一截。

耳朵也在检测范围内。耳垂厚度随年龄增加。软骨弹性下降。耳廓角度变化。七十岁的耳朵跟二十岁的不一样。耳垂长度能从一厘米长到两厘米多。软件量这个尺寸跟数据库里的标准比对。

脖子皮肤。很多人注意不到。脖子皮肤老化速度比脸快。胶原蛋白流失更明显。横向颈纹的条数和深度。软件把脖子区域单独拿出来分析。跟面部数据加权平均。脖子纹路深的。年龄输出值会往上修正。

手背皮肤。如果照片里拍到手指。算法会顺便分析。手背静脉凸起程度。指节皱纹。老年斑数量。手的年龄信息独立于面部。手部特征年龄估计的误差比面部小。因为手部不受化妆影响。不受表情干扰。不受医美填充物改变轮廓。

表情会干扰计算。笑的时候鱼尾纹全挤出来。软件误判你老五岁。张嘴大笑法令纹加深。又是一个加龄项。面无表情的正脸照算出来最准。自拍角度也影响。仰拍下巴显大。面部比例变形。关键点位置偏移。年龄读数就飘。

化妆影响更大。粉底填平毛孔。遮瑕盖住色斑。高光改变面部凹凸感。软件面对浓妆照片基本是在猜。粉底越厚。算出来的年龄越年轻。跟真实年龄的差距能到十岁。睫毛膏和眼线也会改变眼部关键点检测精度。画了眼线的眼睛。眼裂宽度在算法眼里变大了。年轻化指标。

医美直接把算法打乱。肉毒素让额头纹消失。玻尿酸把法令纹填平。线雕提拉软组织。软件看到一张四十岁的脸。读出来的皮肤纹理是三十岁水平。关键点位置又像四十五岁。算法内部加权机制会打架。输出结果在一个中间值。或者直接报置信度过低。

发型和帽子。刘海遮住额头。少了额头纹和眉间纹数据。输出结果偏年轻。帽子遮住发际线。发际线后移是男性年龄重要指标。遮住了就少一项输入。年龄读数往下走。

眼镜有影响。镜框挡住部分关键点。镜片反光让眼周区域无法分析。软件看到眼镜基本放弃眼部细纹检测。靠脸的其他部位补。

深度学习模型从几百万张标注了年龄的人脸照片里学到的规律。不是记住某张脸对应几岁。是提取了成千上万个跟年龄相关的视觉模式。每张脸在模型内部被压缩成几百个数字。这些数字代表年龄特征在多个维度上的投影。训练数据量越大。覆盖人种越广。年龄区间越均匀。软件算得越准。

真实年龄跟照片年龄的差距。受基因影响。有人四十岁不长皱纹。有人三十岁满脸褶。受生活习惯影响。抽烟加速皮肤老化。紫外线加速更多。睡眠不足眼周变化快。喝水少皮肤干。软件读的是生理年龄。不是身份证年龄。

光线条件是硬伤。室外自然光最好。室内暖光偏黄。皮肤纹理对比度下降。算出来偏年轻。闪光灯正面打。脸部立体感消失。鼻梁变平。关键点检测不准。年龄读数不稳定。

照片分辨率。太低不行。关键点定位飘。太高也没必要。1080P足够了。超过四百万像素的图。软件先压缩再处理。压缩过程可能丢掉细节。反而影响精度。

年龄识别精度最高的是二十到四十岁区间。这个年龄段面部变化快。特征丰富。模型在这个区间见过的样本最多。儿童和老人两头精度下降。儿童数据少。老人八十岁以后面部变化趋缓。九十和一百岁在照片上差异极小。

软件给一个数字。背后是十几个独立模块的并行计算。面部关键点定位。皮肤纹理分析。色素沉着评估。软组织下垂度量。骨骼隐式特征反推。每个模块出一个数。加权融合。输出最终结果。

旁边那个置信度区间别忽略。年龄值后面跟的加减号。加减三年。加减五年。加减七年。置信区间越宽。说明输入照片质量越差。或者这张脸本身处在年龄特征模糊的地带。

照片扔进去。数字出来。信不信看场合。娱乐一下无所谓。拿来当身份核验依据要慎重。偏差摆在那。谁用谁知道。