人脸打码中马赛克块大小与人脸识别度的关系

先按脸宽计算马赛克，而不是照搬固定像素

马赛克能否降低人脸辨认度，取决于人脸在最终画面中占多大、每个块覆盖多少区域，以及发布后是否还会被压缩或放大。没有适用于所有图片的“安全块大小”；可执行的做法是按人脸框宽度设置参数，再用人工和模型分别复核。

像素化马赛克，是把区域划成网格，用单一颜色或网格平均颜色替换原始像素。它与 Gaussian Blur（高斯模糊）不同：高斯模糊会降低高频细节，却通常保留连续轮廓；纯色覆盖则直接抹去覆盖区域。三者不能用同一套参数判断。

固定的 10×10 像素块并不代表固定风险。若人脸框宽度为 40 像素，横向只有约 4 个块；宽度为 200 像素时，则约有 20 个块，眼眶、鼻梁、嘴角和脸型变化可能保留得更多。判断参数时，应以最终发布文件中的人脸宽度为准，而不是原始照片的尺寸。

用 1/8、1/12、1/16 三档建立测试基线

可先计算“人脸框宽度 ÷ 块边长”。例如脸框宽度为 120 像素，可测试 15、10、7 或 8 像素左右的块边长，对应约 8、12、15 个横向块。这里的 1/8、1/12、1/16 只是测试起点，不是法律规定或通用合规阈值；结果还取决于脸框是否准确、原图清晰度和导出方式。

1. 用人脸检测器得到每张脸的边界框，记录框宽和框高；多人画面按最小的人脸分别计算。
2. 以每张脸宽度的 1/8、1/12、1/16 生成三组版本，并额外测试 4×4、8×8、16×16 像素块，便于比较相对效果。
3. 按发布后的尺寸检查。例如最终图片宽度为 1080 像素，就在 1080 像素版本中判断，不要只查看 4K 原图。
4. 让不了解原图的人单独观看处理结果，记录“能否确认本人”“是否只能猜测”以及依据是什么；不要把制作者自己的熟悉记忆当作测试结果。
5. 条件允许时，用固定的人脸识别模型提取特征向量，比较处理图与原图的相似度。模型、版本和阈值必须保持一致，因为不同模型的分数不能直接横向比较。

如果人工仍能可靠确认身份，或模型结果与原图稳定接近，应扩大遮挡区域。对于高风险公开发布，直接使用纯色覆盖或裁剪通常比继续调小马赛克块更容易验证；这不是因为马赛克一定能被还原，而是因为纯色覆盖留下的纹理信息更少。

检查五类最容易漏掉的识别线索

人脸区域被处理，不等于身份线索全部消失。正脸常留下眼睛间距、鼻口位置和脸型比例；侧脸则可能依赖鼻尖、下巴和额头轮廓。马赛克块中的平均颜色、边缘形状也可能帮助人工或模型进行匹配。

• 小目标：人脸宽度低于约 40 像素时，固定 8×8 块只产生约 5 个横向块，既可能遮挡不足，也可能因输出缩放产生不同效果，应直接查看最终文件。
• 姿态与光照：正脸、侧脸、逆光、运动模糊和戴口罩需要分别抽样；侧脸不能只按正脸参数推断。
• 画面上下文：姓名、地点、制服、纹身、可识别建筑和发布时间，可能与人脸共同指向个人。
• 音视频信息：视频中还要检查声音、字幕、连续帧和快速转身画面；单帧没有漏脸，不代表整段视频没有漏脸。
• 文件副本：确认临时导出目录、云端缓存和原始音视频是否仍被保留。处理后的图片安全，不代表原文件也安全。

超分辨率或生成式模型可以补全被遮挡区域，但生成结果不等于原图，不能仅凭“可能恢复”断言真实身份已被还原。相反，也不能因为肉眼看不清，就断定识别模型无法匹配。

公开发布前按风险选择遮挡方式

像素化适合需要保留部分画面结构、且经过测试仍无法可靠辨认的低风险场景。高风险材料，例如未成年人影像、敏感身份信息或大范围公开传播，宜优先采用纯色覆盖或裁剪，并覆盖额头、耳朵、下巴及必要的头发区域；只覆盖两只眼睛通常不足以消除身份线索。

• 像素化：逐步增大块边长，直到人工测试不能可靠确认，同时复查轮廓和背景。
• 高斯模糊：不要只看纹理是否消失；若眼眶、鼻口和脸部外轮廓仍连续可见，应换用更强遮挡。
• 纯色覆盖：检查覆盖边缘外是否露出脸颊、耳朵、头发或独特饰物。
• 裁剪：目标位于画面边缘且不影响叙事时优先考虑；裁剪后仍要检查其他人物。

批量处理时保存原图、检测框、块边长、输出分辨率、工具名称和版本号。例如记录“最终宽度 1080 像素、脸宽 120 像素、块边长 10 像素、输出 JPEG 质量参数”。不同工具对检测框扩展、羽化、JPEG 导出和音视频保留的支持并不一致，参数名称必须以实际版本为准。

涉及中国境内个人信息处理时，应结合《中华人民共和国个人信息保护法》判断处理目的、必要性和公开范围；可核对 GB/T 35273—2020《信息安全技术 个人信息安全规范》，但该规范不提供统一的马赛克像素阈值。最终判断应以具体场景、身份关联风险、人工复核和替代性遮挡测试为依据。