该技能面向生产环境的人脸识别系统建设，核心是使用 InsightFace/ArcFace 模型完成注册、验证、辨识与聚类，并在架构层面考虑隐私合规。
【模型选型】提供决策树：单张人脸延迟要求低于 50ms 时可选轻量模型 buffalo_sc；对精度要求超过 95% 时可选 AdaFace；平衡场景用 buffalo_l；移动/边缘部署用 buffalo_sc 或自定义量化模型。资料给出各模型的延迟与精度描述，但未提供具体安装命令或代码仓库。
【阈值调优】按用途给出 FAR/FRR 目标与阈值参考区间：安全门禁（FAR<0.1%，阈值 0.55-0.65）、照片整理（阈值 0.35-0.45）、调查取证（FAR<0.01%，阈值 0.65-0.75）、社交标注（阈值 0.30-0.40），并建议在冒充者配对或家庭相册等代表性数据上验证。
【注册质量控制】逐张照片检查：人脸检测置信度>0.7、人脸尺寸>80px 且小于图像 50%、姿态偏航/俯仰偏差<30°；区分“主参考”与“补充”照片，要求至少 3 张主参考才完成注册，不足时提示补交照片。
【失败模式与修复】列出五类问题：姿态/光照退化（相似度持续下降超 10%）、注册污染（新注册与不同身份相似度异常高>0.8）、阈值漂移（30 天内 FAR/FRR 偏移>2%）、质量门禁被绕过、隐私合规漂移（嵌入存储增长快于注册数或缺少同意记录），并分别给出检测信号、诊断与修复措施。
【示例】展示遮挡人脸场景下按是否检测到口罩切换阈值（0.45/0.55）的伪代码，以及仅 1 张主参考+1 张补充照片时拒绝注册并引导补交的处理流程。
【质量门禁与边界】列出 10 项验收检查（含人口统计偏差<5%、注册拒绝率<20%、嵌入删除 24 小时内完成、识别延迟<100ms 等），并明确不适用于通用目标检测、情绪/属性分析、人脸生成与深伪、实时视频流识别、超 1 万人脸的大规模批处理等场景，相关任务应转交其他技能或专家。