机制

人脸、声纹、步态与车辆识别的控制接口

比较多模态识别的采集、匹配、误差和从算法结果到强制行动的转换。

图示

人脸、声纹、步态与车辆识别的控制接口的操作链

从信息进入系统到组织后果，按可核实环节阅读。

环节 1证件办理、设备采集、公共摄像和执法检查获得人脸、声音或其他特征。

→

环节 2模板进入身份库、案件库或重点人员库，与实时和历史数据比对。

→

环节 3算法给出相似度、候选名单或轨迹关联，不等同于法律事实。

→

环节 4操作人员决定是否复核、跟踪、盘查或限制行动。

公安系统收到一条识别告警后，屏幕上可能显示一张人脸、一个声纹候选、一段步态轨迹或一辆车的通行记录。下一步由人作出：继续调取数据、派人盘查、限制通行，或者把对象加入更密集的监控。算法负责缩小范围，强制行动则把一次概率判断变成现实后果。

这几种识别方式常被放在同一个“智能监控”名目下，误差来源却不同。中共推动多模态识别的危险也在这里。一个信号不够确定时，系统可以调用更多信号相互补强，让被监控者更难摆脱持续追踪。

人脸系统容易接入既有摄像头和身份照片库，适合在人群或出入口中搜索候选对象。角度、光线、遮挡、图像压缩以及数据库构成都会影响匹配。2025年人脸识别管理办法要求特定目的、充分必要性和显著提示，也规定在存在其他方式时不得把人脸识别设为唯一验证手段。^[1]

这些限制能约束部分商业和公共场所应用，公安例外与公共安全理由仍给国家留下广阔空间。规则由网信和公安机关协同执行，独立机构无法持续检查观察名单、匹配阈值和实际调用范围。

声纹从说话者的声音特征中寻找相似样本。录音设备、背景噪声、情绪和语言都会影响结果。与摄像头相比，声音采集更难被察觉，也更容易嵌入电话、语音消息和现场录音。

人权观察记录了公安机关建设声纹数据库，并将声纹与身份证号、住址、民族和住宿记录等信息连接。^[13] 当实名通信与声纹检索结合，匿名发言和远距离组织的空间都会缩小。

步态系统利用身体轮廓和行走节奏，在面部模糊或背对摄像头时继续生成候选。车辆识别则把车牌、车型、颜色和经过卡口的时间地点串联起来。地方公安采购文件要求接入步态检索、车辆特征和视频结构化能力，证明这些功能进入过项目需求。^[14]

采购文件无法证明实际准确率，也不能证明某项功能用于哪起案件。它能揭示的是系统设计方向：人一旦离开正面镜头，其他身体和交通信号仍可接续追踪。

不同信号相互印证有时能排除错误，也可能把最初的错误扩散到更多数据库。错误的人脸候选若被连接到相近的车辆路线或电话关系，系统界面会让多个弱线索看起来像一个完整故事。使用者容易把数据数量误当成证据质量。

美国财政部认定多家中国科技企业参与针对新疆少数民族的生物识别监控。^[11] 联合国人权高专办对新疆的评估也记录了大规模、歧视性的监控与限制。^[10] 在中共把民族和宗教身份安全化的地区，多模态识别会把技术误差直接叠加到政治歧视之上。

识别结果只有相似度和候选意义。盘查、拘押、限制出行或扩大监控都需要具体机构和人员作出决定。若系统不给当事人告知、质疑和纠错渠道，所谓“人工复核”只是党国机构内部的一次点击。

中共把多种识别技术接成控制接口，是为了让监控跨过单一设备和单一场景。真正需要审查的始终是数据从哪里来、谁设置阈值、谁批准行动，以及误判发生后谁必须负责。

关键证据

正式认定

美国财政部在制裁决定中认定若干中国科技企业参与了针对新疆少数民族的生物识别监控。

原始记录

2025年公共安全视频条例把视频图像系统的建设、使用、数据安全和监督纳入全国性行政规则。