一、案件经过：一张模糊截图，换来30小时拘留
2018年10月，底特律市中心一家Shinola门店发生手表失窃。监控拍到了嫌疑人，画面模糊。警方从视频里截出一张低质量人像，交给密歇根州警。州警用州级机构照片网络（SNAP）跑了一次比对检索。
系统返回一批候选。里面一张已过期的驾照照片，指向家住法明顿希尔斯的罗伯特·威廉姆斯（Robert Williams）。专家证词后来披露，他在候选列表里只排第9位。
2020年1月9日，警察在威廉姆斯家门口逮捕了他。妻子和两个年幼的女儿就在旁边看着。之后他在拥挤、肮脏的监室里被关了30个小时。检方很快撤销了指控。2020年6月24日《纽约时报》刊出报道。这被公认是美国第一起公开的人脸识别误匹配导致的错捕案。
一条被层层加固的错误链
错误不是一步造成的。警方拿到比对结果后，用威廉姆斯的照片拼了一组辨认队列。看队列的人，是Shinola的防损承包商。这个人案发当天不在门店，了解案情的唯一渠道，就是同一段模糊监控。
更严重的问题出在申请逮捕令的环节。办案探员在宣誓材料里省略了关键信息：比对的图像来源、图像质量、辨认人的身份。治安法官在不知情的情况下签发了逮捕令。
密歇根州警出具的《侦查线索报告》，名称本身就说明问题：检索结果只是侦查线索。这一行字没有拦住任何一步。就这样。
二、差错环节：把线索当成了同一认定
从法医学角度看，本案最核心的差错在分析环节。人脸识别和人像同一认定，是两个东西。
SF/T 0106-2021《人像鉴定中人脸识别技术检验规范》把边界划得很明白。人脸识别输出的是相似度排序，对人像鉴定有参考价值。人像鉴定的最终意见，必须建立在人像特征全面检验、综合分析之上。底特律警方跳过了这个区别。他们把一次低质量检材的1对N检索，直接当成了一次同一认定。
- 检材质量失控。模糊截图没有经过质量评估，就进了比对流程。
- 结果解读失控。第9顺位的候选，被当成匹配成功。
- 证据链失控。用算法选出的照片拼辨认队列，等于给目击者出一道已经写好答案的题。
NIST 8280报告专门描述过这种调查模式：阈值设为零。系统无论比对什么，都会吐出一批候选。机器反正都会返回几十个候选，关键在人。人脸识别本身的误报差异在这里不重要了，重要的是后面的人怎么用。
规范流程和本案实际操作，放在一起看更清楚：
| 环节 | 规范要求 | 本案实际 |
|---|---|---|
| 受理 | 评估图像质量，确认比对条件 | 模糊截图直接送检 |
| 检验 | 记录算法、版本、输出，留存原始记录 | 只拿到一份候选列表 |
| 分析 | 线索归线索，同一认定须全面检验 | 候选照片直接进入辨认队列 |
| 出具文书 | 逮捕令申请须如实披露材料依据 | 隐瞒比对来源与辨认人身份 |
三、技术根因：算法对某些面孔确实更容易错
人脸识别算法的误差不是均匀分布的。NIST在2019年12月发布FRVT第三部分（NISTIR 8280）。测试覆盖189个算法、1827万张图像。结论很直接：误报率的群体差异远大于漏报率。不同人群之间，误报率常差10倍到100倍。
具体数字：女性误报率比男性高2到5倍。用签证类证件照测试时，西非、东非和东亚裔的误报率最高。用美国执法登记照测试时，美洲原住民的误报率最高，非裔和亚裔也偏高。
更早的Gender Shades研究（2018）测的是性别分类算法：深肤色女性最高错误率34.7%，浅肤色男性最高只有0.8%。说实话，这个数量级的差距，一旦连上逮捕令，出事只是早晚问题。
威廉姆斯的案子还叠加了两个劣化因素：检材是监控截图，样本是过期驾照照片。图像质量两头都差，误报风险翻倍。
四、制度根因：没有政策，也没有培训
案发时，底特律警局对执法中使用人脸识别没有成文政策，也没有培训。这一点，起诉书经证据开示后得到确认。警局2020年7月9日的内部备忘录显示，错捕发生后局内做过复盘。但系统性的整改，直到诉讼之后才落地。
程序上还有一个漏洞。逮捕令申请靠治安法官书面审查，书面审查只能看到提交上来的东西。探员省略什么，法官就不知道什么。
还有一个心理学因素：自动化偏误。人天生倾向于相信机器的输出，哪怕事先被告知算法可能出错。
五、诉讼与整改：一份改变了规则的和解协议
2021年4月13日，ACLU、密歇根州ACLU、密歇根大学法学院民权诉讼项目，代表威廉姆斯起诉。案号Williams v. City of Detroit, No. 2:21-cv-10827（密歇根东区联邦地区法院）。被告包括办案探员、底特律市和警察局长。
2024年6月28日，双方达成和解。法院同日作出驳回与和解裁定，保留4年执行监督权。和解协议的核心条款：
- 禁止仅凭人脸识别结果、或紧接人脸识别检索之后的辨认结果实施逮捕。
- 没有独立可靠证据，不得仅凭人脸识别线索组织辨认队列。
- 辨认队列不得使用算法认定的那张照片，不得告知证人算法结果。证人必须陈述确信程度，照片逐一出示。
- 申请逮捕令前，必须书面记录独立侦查步骤，并经两名主管签署。
- 人脸检索必须填写详细表格，记录检材质量等信息。
- 全员培训，重点讲清算法对有色人种误识率更高。
- 审计2017年以来所有以人脸识别获取逮捕令的案件。
赔偿金与律师费一并解决。这被媒体称为全美警局最强的人脸识别约束政策。
代价不止威廉姆斯一人。底特律已知三起人脸识别错捕，当事人全部是黑人。第三起是波莎·伍德拉夫（Porcha Woodruff）。她被捕时怀孕8个月，被控劫车，拘押11小时。到2025年初，全美已知至少7起这类错捕。15个州出台了约束警察使用人脸识别的立法。
六、中国的制度回应
同一时期，中国在鉴定标准与法律监管两条线上收紧了规则。
鉴定标准层面：SF/T 0125-2021《人像鉴定技术规范》、SF/T 0106-2021《人像鉴定中人脸识别技术检验规范》，同日实施。前者全面修订了2010年《录像资料鉴定规范》的人像鉴定部分，增加特征比对表、差异点分析评价、全程记录等要求。公安标准方面，GA/T 1502-2018《法庭科学视频中人像动态特征检验技术规范》先出台。GA/T 1949-2021《法庭科学人脸图像相似度检验技术规范》随后跟进。2025年2月28日，国家标准化管理委员会发布2025年第4号公告，6项法庭科学伪造人像系列国家标准（GB/T 45428—45433）获批发布，覆盖多光谱检验、检验通则、来源检验、可解释特征集等，2025年6月1日实施。
法律监管层面：最高人民法院法释〔2021〕15号（2021年8月1日施行）明确了人脸信息处理的民事责任边界。《人脸识别技术应用安全管理办法》（国家网信办、公安部令第19号）2025年6月1日施行。办法要求：有其他非人脸识别方式的，不得把人脸识别作为唯一验证方式。备案、告知同意、安全保障等义务也一并明确。
国内学界对人像检验鉴定的讨论一直没停。许磊等的《人像检验鉴定探讨》（刑事技术，2020）讨论检验鉴定方法。卢启萌等的《口罩佩戴对人像鉴定的影响》（中国司法鉴定，2021）关注影响因素。刘文琦、颜裔卓的《刑事诉讼中人脸识别证据的规范适用》（福建警察学院学报，2025）讨论证据适用边界。
七、教训
这个案子给所有做同一认定的人提了个醒：线索不是证据，相似度不是同一性。
算法输出的是概率排序。它不会说"就是这个人"，只会说"这个人长得像"。把概率交给侦查员，把真相判断留给辨认程序，把背书塞进逮捕令。每个环节都在用程序合法性，掩盖检验结论的不可靠。没别的。