面部对称测试是如何工作的
- 1
上传一张正面照片
选择一张清晰的正脸照片。正式测量前,系统会先进行快速质量检查,过滤无人脸、多人脸、人脸过小、光线过暗,以及左右转头或上下抬头低头角度过大的照片。转头会改变照片中的左右比例,因此请正对镜头拍摄。
- 2
定位面部中心线
人脸网格模型会在你的浏览器标签页内运行,在面部标出478个三维关键点。工具从网格顶部(额头正中,而非发际线)到下巴画一条垂直中线。由于所有高度都沿这条中线计算,轻微的左右歪头(头部侧倾)不会影响测算结果。
- 3
镜像对比并计算得分
系统将右侧的每个关键点沿中线镜像翻转到左侧,与对应的左侧点位进行比对。13对关键点的平均偏差除以两眼瞳孔间距,即可换算出整体对称百分比。此外,眼睛、眉毛、嘴角的垂直高度差以及下颌对称度也会单独列出。
我们测量哪些指标
这里的对称指的是一个具体指标:在这张照片中,你左半边脸与右半边脸镜像重合的程度。所有数据均来自同一套478点面部网格,你可以直接在照片上查看测量辅助线,也可以保存默认隐藏个人照片的分享卡片。
整体对称度
本机对比左右13对关键点:额头两侧边缘、颧骨、下颌角、外眼角、内眼角、上眼睑(两对)、下眼睑(两对)、嘴角、鼻孔、眉尾以及瞳孔。右侧点位沿额头至下巴的中线镜像后,计算与左侧对应点位的平均距离,再除以瞳距;用1减去该比值并乘以100(限制在0到100之间),100%代表完全镜像对称。
两眼高度差
本机沿额头至下巴中线测量的左右瞳孔垂直高度差,以占全脸高度的百分比表示。数值越低,说明双眼越接近同一水平线;你可以将结果与下方校准人脸的区间进行对照。
两眉高度差
本机左右眉峰之间的垂直高度差,以占全脸高度的百分比表示。眉毛位置会随表情变化和修眉习惯而改变,因此不同照片测出的数值可能有所不同。
嘴角高度差
本机左右嘴角之间的垂直高度差,以占全脸高度的百分比表示。半笑或下颌紧绷都可能拉高一侧嘴角,因此保持嘴唇自然闭合、面部放松时读数最清晰。
下颌对称度
本机沿下颌轮廓追踪的六对左右关键点,从下颌角一直延伸到下巴两侧。右侧下颌点位沿中线镜像后与左侧对应点位对比,平均偏差除以平均眼宽,换算为对称百分比得分。
面部对称测试到底测的是什么
照镜子或自拍时,很多人会发现自己一边眉毛略高、两侧眼睑看起来不同,或者一侧下颌看起来更饱满。面部对称测试把这些直观感受转化为清晰的几何坐标对比。它不评价长相好看与否,只计算当右半边脸沿中轴线折叠到左半边时,两侧坐标的重合度有多高。
拍摄角度、光线方向和面部表情都会在二维照片中制造出视觉上的不对称,因此测试分数反映的是单张照片的几何特征,而不是对你面部的永久定论。
由于2D照片把立体的头部压缩到了平面屏幕上,在不同房间、不同拍摄距离或不同镜头下拍出的照片,测算结果会有波动。但只要使用完全相同的照片文件测试两次,得出的数字始终相同。
浏览器工具如何一步步计算对称度
选择照片后,图片不会被上传。你的浏览器会加载MediaPipe Face Landmarker模型(约4 MB,仅首次需下载),并确认画面中只有一张人脸。如果人脸过小、光线太暗,或者左右转头(偏航)、上下俯仰角度过大,质量检查会在计算任何比例之前停下,并提示重拍。
面部网格的思路可参考Kartynnik等人(2019)的研究,他们描述了一种能从单摄像头画面中推断近似3D人脸网格的神经网络。1

粉红点标示检测到的面部特征,粉红线连接实测宽度、脸长与眼角。
Face Landmarker模型输出478个三维关键点的估计,这套网格沿着额头、眼睛、眉毛、鼻子、嘴唇和下颌线的轮廓分布。为了防止轻微歪头影响对比,工具从面部网格顶部(额头正中,而非发际线)到下巴确立一条垂直中线,所有垂直高度差都沿这条基准线测算。
计算整体对称度时,工具选取13对左右关键点:额头两侧、颧骨、下颌角、内外眼角、上眼睑两对、下眼睑两对、嘴角、鼻孔、眉尾和瞳孔。每个右侧点位沿中线镜像后,计算它与实际左侧点位的距离并取13对的平均值。再用这个平均偏差除以你的两眼瞳距以消除人脸大小差异,最终换算成百分比,100%代表完全镜像一致。
除了整体得分,工具还会进行四项专项检测:下颌对称度沿下颌线镜像对比6对关键点,并将平均偏差除以平均眼宽;两眼高度差、两眉高度差和嘴角高度差则分别测量左右瞳孔、眉峰和嘴角的垂直落差占全脸高度的百分比。
心理学研究如何看待面部对称
几十年来,学者们一直在研究面部对称性,以探索人类感知面孔的规律。Grammer和Thornhill(1994)在一项早期研究中使用计算机生成的人脸图像与合成面孔,测量了对称度、平均脸特征和五官大小,并报告当男女受试者评价异性面孔时,面部对称度对吸引力评分有正向影响。2
更早的一些图像处理研究曾报告人们偏好不对称面孔,Perrett等人(1999)指出这可能是图像处理引入了不自然的五官形状和皮肤纹理变化。当他们在保持皮肤纹理不变的前提下调整五官形状时,提高面部形状的对称性同时提升了男性和女性面孔的吸引力评分。3
对称性并非唯一的研究因素。Langlois和Roggman(1990)发现,将多张面孔平均化合成的计算机面孔,比合成所用的几乎所有单张原始面孔都被评为更具吸引力,且参与平均的面孔数量越多,合成面孔的吸引力越高。5
Rhodes(2006)在一篇结合元分析的批判性综述中指出,平均度、对称性和性别二态特征在男女面孔上、跨文化研究中均具吸引力,并认为进化选择压力与大脑处理信息的方式可能共同塑造了这些偏好。这些研究探讨的是实验环境下对面孔的评分,并未给任何个人的面孔设定合格线。4
对照校准人脸解读你的测算数值
由于关键点检测器会将标准3D人脸网格贴合到照片上,真实人脸测出的比例通常集中在较窄的区间内。为了帮你理解网格模型的数值表现,我们将来自Pexels的133张真人正面照片输入了同一套引擎。这些校准照片用于对照网格测量值,不是具有代表性的人群样本,因此仅作为网格基准参考,不代表人群常模。
在我们的校准人脸中,整体对称度中间80%的分布区间为82.0%至98.3%(中位数92.5%),下颌对称度中间80%的区间为33.5%至95.3%(中位数74.1%)。
照片张数
- 中位数:
- 92.5%
- 中间 80%:
- 82%–98.3%
对于三项垂直高度差指标,百分比越小说明左右越齐平。在我们的校准人脸中,两眼高度差中间80%的区间为0.1%至1.6%(中位数0.5%),两眉高度差中间80%为0.1%至2.6%(中位数0.7%),嘴角高度差中间80%为0.1%至1.7%(中位数0.7%)。如果你的两眉高度差超过2.6%,或嘴角高度差超过1.7%,建议先检查照片里是否带有一丝微笑、挑眉或单侧脸颊阴影,重新拍摄后再做判断。
在拍照和造型中提升视觉平衡感的方法
想让照片里的左右比例更协调,可以从机位和光线入手。将手机或相机举到与眼睛齐平的正前方,稍微退后一点并用变焦拉近,而不是把手机贴近脸部;同时正对窗户或柔和光源,让两侧脸颊受光均匀。
发型和眉毛是简单且可随时调整的细节。中分或左右均衡的刘海能均匀地衬托两侧,而大偏分会把视线引向一侧。打理眉毛时,顺着同一方向梳理,只需修除明显杂毛即可,不必刻意把一边修成另一边的形状。
正面且水平
转头、抬头或低头
光线过暗
超过一张脸
佩戴镜架水平端正的眼镜,能在上半张脸形成一条直观的水平参考线。拍照时让头发离开额头、太阳穴和下颌线,也有助于工具清楚地看到这些轮廓点位。
如何解读你的对称度得分
100%代表在这张照片中左右完全镜像重合。下表区间来自我们的校准照片,而非真实人群统计,请将其视为对单张照片左右齐平程度的描述,而非对你个人的评分。
| 得分区间 | 数据含义 | 常见原因 |
|---|---|---|
| 82.0–98.3% | 校准人脸中间80%的分布范围(中位数92.5%) | 照片中左右两侧镜像高度接近 |
| 高于98.3% | 高于90%的校准人脸 | 照片中左右两侧镜像极为接近 |
| 低于82.0% | 低于90%的校准人脸 | 存在真实的左右差异,或受转头、光线不均、表情影响;可重拍对比确认 |
面部对称测试无法告诉你的事
- 工具测量的是单张2D平面照片,而非3D立体扫描。镜头焦距、拍摄距离、头部角度和表情都会使478个关键点发生位移,因此只有相同拍摄条件下的照片才具可比性。
- 面部关键点模型会将标准人脸网格贴合到图像上,因此真实人脸测出的比例本身就集中在较窄的数值范围内。
- 我们的参考区间来自133张用于测试网格基准的真人正面照片,并非真实人群调查数据,无法说明你与其他人相比如何。
- 对称度只是单张照片里的一项几何测量值,它不是对长相的评判,也不能说明一个人是怎样的人。
- 系统仅测量面部网格上的关键点,网格范围之外的特征不会体现在数值中。
- 浓重阴影、镜片反光,或头发遮挡颧骨与下颌线,都可能降低关键点定位精度,进而影响读数。
测出准确对称度的4个拍照技巧
正对镜头平视拍摄
将镜头置于与眼睛齐平的高度,双眼直视镜头。左右转头(偏航)或抬头低头(俯仰)都会改变照片中的左右比例,角度过大时工具会拒绝该照片并提示重拍。
保持正面光线均匀
正对窗户或柔和的漫射光源站立,确保两侧脸颊亮度一致。强烈的侧光会在一侧脸上投下阴影,可能降低关键点定位的准确性。
保持自然放松的表情
放松下颌,双唇轻闭,额头不要用力。微笑或嘴角紧绷可能改变嘴角高度差的读数,也会影响其他测量值。
拨开遮挡脸部的头发
把头发别到耳后,将刘海拨开以露出额头和眉毛。如果头发盖住额头边缘、太阳穴或下颌线,模型就更难准确定位这些轮廓点。
常见问题
参考文献
- Kartynnik, Y., Ablavatski, A., Grishchenko, I., & Grundmann, M. (2019). Real-time facial surface geometry from monocular video on mobile GPUs. arXiv:1907.06724. arxiv.org/abs/1907.06724
- Grammer, K., & Thornhill, R. (1994). Human (Homo sapiens) facial attractiveness and sexual selection: The role of symmetry and averageness. Journal of Comparative Psychology, 108(3), 233–242. doi.org/10.1037/0735-7036.108.3.233
- Perrett, D. I., Burt, D. M., Penton-Voak, I. S., Lee, K. J., Rowland, D. A., & Edwards, R. (1999). Symmetry and human facial attractiveness. Evolution and Human Behavior, 20(5), 295–307. doi.org/10.1016/s1090-5138(99)00014-8
- Rhodes, G. (2006). The evolutionary psychology of facial beauty. Annual Review of Psychology, 57, 199–226. doi.org/10.1146/annurev.psych.57.102904.190208
- Langlois, J. H., & Roggman, L. A. (1990). Attractive faces are only average. Psychological Science, 1(2), 115–121. doi.org/10.1111/j.1467-9280.1990.tb00079.x