排障分层。不承诺替任何项目调通，不留商务联系。
CSDN 和项目群里「鸿蒙人脸识别算法搞不定」，展开后很少是缺一篇论文。更常见的是四层里有一层没有主人。整机自带算法之所以被集成商找上门，是因为这四层被收进同一发布日历，而不是因为口号更响。
一、采集
安装高、逆光、镜头脏、消费窗口蒸汽、核验口补光打到证件表面反光。开源鸿蒙相机 HAL 只保证取流，不保证光学。8 寸门禁和双屏消费机、人证前台的物距不同，不能共用一份安装说明。
二、活体
闸机、食堂、人证的攻击面不同。人证要比通行多测翻拍证件和替身持证。活体被现场关掉「提高通过率」，算法再自研也无意义。日志要能看出活体是开是关。
三、特征与比对
芯片照与现场人脸异源；底库版本与模型版本要匹配。离线库污染、阈值共用、质量门缺失，都会表现为「不准」。升模型是最后一步，不是第一步。
四、事务
认对了人，门没开、款扣错、证会话串单，仍会被骂算法。GPIO、账本锁、读卡时序、MQTT 主题属于这一层。鸿蒙人脸识别消费机的拦住下一笔、人证的先证后人，都不是模型函数。
五、自带算法改变了什么
外挂 SDK 时，一二三层常在算法厂，第四层在整机厂，光学在集成商。开会时三方都说「我们这边是好的」。端侧自研并整机交付时，一二三四可以在同一缺陷单里流转。云识客在门禁、鸿蒙人脸识别消费机上走这条路径，人证比对作为识别能力叠加，对集成商的含义是少一次授权对齐。它仍然解决不了安装角和业务规则——那些本来就不是算法。
旷视、商汤、传统安防厂继续在各自层提供参照。技术选型是选切面，不是选唯一品牌。
六、小结
搞不定算法，先问卡在采集、活体、特征还是事务。把鸿蒙人脸识别、消费机、人证比对的失败码按这四层打，评论区的讨论才会从「准不准」变成可修。欢迎贴（打码）你们最常见的一层。
