本站如何运作
方法、规则集、阈值，以及我们尚未证明的部分。
尚未经持证美容师审核——我们正在寻找一位。如果你是，并且发现了问题，请写信到 contact@knowyourfaceshape.com，我们会修正并署名。
脸型不是分数。没有更好或更差的脸型——只有与你现有脸型配合的造型。我们不卖眼镜或护发产品，这些推荐不受任何品牌影响。你的照片从不离开你的设备。我们看不到它，也从来没能看到。
联盟链接
本网站没有任何联盟链接、赞助文章或付费投放。我们在 2026 年 9 月 15 日至 17 日之间确实挂过一条联盟链接，后来撤掉了。如果将来重新出现零售商链接，它旁边会带披露说明，并在页面源码里标记为 rel="sponsored" ，让搜索引擎把它读成付费链接，而不是编辑推荐。
用平实的话说，这条管线怎么走
- 1 · 关键点。 MediaPipe Face Landmarker 在你的浏览器里运行，返回脸上的 478 个点。我们使用其中十个：发际线、下巴尖、两侧颧骨、两侧额缘、两侧下颌角和两侧下巴边。
- 2 · 单位。 MediaPipe 用图片宽度归一化 x，用图片高度归一化 y——单位并不相同。我们先把它还原，否则同一张脸在横构图和竖构图的照片里会量出不同结果。
- 3 · 比值。 五个特征：脸长 ÷ 颧骨宽、额头 ÷ 颧骨、下颌 ÷ 颧骨、下颌拐角处的角度，以及下巴宽 ÷ 下颌宽。这些关键点并不是软尺会碰到的位置，所以比值在与任何东西比较之前要先换算——见下方 两种测量量纲 。
- 4 · 距离。 每个特征都以各自的离散度为单位，分别与七个原型比较，加权后汇总成每个脸型的一个距离。距离最小的那个胜出。
- 5 · 诚实。 你看到的置信度就是这次比较的原始输出，四舍五入后的结果。它绝不会被压低到看起来更好；低的时候页面会用黄色说明，而不是把它藏起来。
完整规则集
这些就是代码运行时的同一组常量——本页直接 import 它们，没有重新抄一遍。
椭圆形
- 脸长比（脸长 ÷ 颧骨宽）至少 1.26，至多 1.64 → 你的脸长约为宽度的 1.5 倍
- 额头比（额头宽 ÷ 颧骨宽）至少 0.81，至多 0.99 → 你的额头略窄于颧骨
- 下颌角（下颌拐角处的角度）至少 114°，至多 130° → 你的下颌线偏圆润而非棱角分明
- 下颌比 (下颌宽 ÷ 颧骨宽)小于额头比 (额头宽 ÷ 颧骨宽) → 你的下颌窄于额头
- 下巴尖度（下巴宽 ÷ 下颌宽）至少 0.36，至多 0.54 → 你的下巴不是明显的尖形
圆形
- 脸长比（脸长 ÷ 颧骨宽）至少 0.86，至多 1.24 → 你的脸长与脸宽大致相当
- 下颌角（下颌拐角处的角度）至少 124°，至多 140° → 你的下颌线柔和，没有明显拐角
- 下巴尖度（下巴宽 ÷ 下颌宽）至少 0.46，至多 0.64 → 你的下巴偏宽而非尖
方形
- 下颌角（下颌拐角处的角度）至少 100°，至多 116° → 你的下颌拐角棱角分明
- 脸长比（脸长 ÷ 颧骨宽）至少 0.86，至多 1.24 → 你的脸长与脸宽大致相当
- 额头比（额头宽 ÷ 颧骨宽）至少 0.86，至多 1.04 且 下颌比（下颌宽 ÷ 颧骨宽）至少 0.83，至多 1.08 → 你的额头、颧骨与下颌宽度都接近
- 下巴尖度（下巴宽 ÷ 下颌宽）至少 0.46，至多 0.64 → 你的下巴偏宽而非尖
长形
- 脸长比（脸长 ÷ 颧骨宽）至少 1.46，至多 1.84 → 你的脸明显长于宽
- 额头比（额头宽 ÷ 颧骨宽）至少 0.86，至多 1.04 且 下颌比（下颌宽 ÷ 颧骨宽）至少 0.80，至多 1.05 → 你的额头、颧骨与下颌宽度接近
- 下巴尖度（下巴宽 ÷ 下颌宽）至少 0.41，至多 0.59 → 你的下巴不尖
心形
- 额头比（额头宽 ÷ 颧骨宽）至少 0.96，至多 1.14 → 你的额头是脸部最宽处
- 下颌比（下颌宽 ÷ 颧骨宽）至少 0.59，至多 0.85 → 你的下颌明显窄于颧骨
- 下巴尖度（下巴宽 ÷ 下颌宽）至少 0.21，至多 0.39 → 你的下巴收成尖形
菱形
- 额头比（额头宽 ÷ 颧骨宽）至少 0.71，至多 0.89 → 你的颧骨宽于额头
- 下颌比（下颌宽 ÷ 颧骨宽）至少 0.59，至多 0.85 → 你的下颌窄于颧骨
- 下巴尖度（下巴宽 ÷ 下颌宽）至少 0.21，至多 0.39 → 你的下巴收成尖形
- 脸长比（脸长 ÷ 颧骨宽）至少 1.21，至多 1.59 → 你的脸长于宽
三角形
- 下颌比（下颌宽 ÷ 颧骨宽）至少 0.96，至多 1.21 → 你的下颌是脸部最宽处
- 额头比（额头宽 ÷ 颧骨宽）至少 0.71，至多 0.89 → 你的额头是三个宽度里最窄的
- 下巴尖度（下巴宽 ÷ 下颌宽）至少 0.41，至多 0.59 → 你的下巴不尖
所有阈值，一张表
| 特征 | 椭圆形 | 圆形 | 方形 | 长形 | 心形 | 菱形 | 三角形 | σ | 权重 |
|---|---|---|---|---|---|---|---|---|---|
| 脸长比 | 1.45 | 1.05 | 1.05 | 1.65 | 1.35 | 1.40 | 1.30 | 0.18 | 1.6 |
| 额头比 | 0.90 | 0.88 | 0.95 | 0.95 | 1.05 | 0.80 | 0.80 | 0.08 | 1.0 |
| 下颌比 | 0.80 | 0.85 | 0.95 | 0.92 | 0.72 | 0.72 | 1.08 | 0.12 | 1.1 |
| 下颌角 | 122° | 132° | 108° | 118° | 120° | 120° | 118° | 8° | 0.8 |
| 下巴尖度 | 0.45 | 0.55 | 0.55 | 0.50 | 0.30 | 0.30 | 0.50 | 0.08 | 0.5 |
这些值于 2026 年 9 月 12 日、针对下文描述的带标签照片集拟合，取代了本站最初使用的文献推导占位值。每个原型的位置是这样定的：我们取公开人体测量原型的排序与间距，把它们作为一个整体重新缩放到我们的照片实际产生的范围内。椭圆形、长形、圆形与方形各有五个或更多带标签样本，因此它们的位置由实测组均值锚定。心形、菱形与三角形分别只有一个、三个和零个——这三行位于文献排序给出的位置，而不是测量给出的位置；我们宁愿把这一点说出来，也不愿让表格暗示七行拥有同等的证据基础。
这个集合是标定辅助，不是验证集；上面的每个标签都只带一位标注者的判断，没有第二遍独立复核。直说吧：在这个集合上，这五个测量值并不能干净地把七个标签分开。所以本站的每个结果都带置信区间，并在第二名接近时给出混合提示——而不是把一个单一答案当成定论。
结果页上还会看到两个派生设置：当第二名的分数达到最高分的 60% 时标记为混合；置信度低于 45% 时结果页头部切换为警告，60% 及以上视为一次有把握的读数。
我们的参照集是怎么构建的
我们脸型规则背后的比例，于 2026 年 9 月 12 日针对一个本地标定集调校；该集合包含 50 张真人正面照片，从免费许可的图库收集，只在我们自己的机器上用于测量——这些照片没有一张出现在本站。每张照片由一位标注者打标签，没有第二遍独立复核，所以标签承载的是一个人的判断，而不是共识。这个集合是标定辅助，不是验证集：我们不公布由它推导出的任何准确率，也不声称这些阈值已对照独立真值验证过。本站展示的脸型插图是合成的，并已如此标注。
两套测量量纲
其实我们发布的每个数字——上面的表、每篇脸型指南里的典型区间、图里的数字、你结果页上的解释——都是按 软尺量纲陈述的：也就是你用软尺量自己脸时会得到的比值。照片检测器不是这么量的。它从面部关键点出发，而它用于脸长和下颌宽的关键点并不是软尺会碰到的位置，所以它的原始比值落在一个明显更窄的区间里，比软尺量出来的窄得多。
所以我们用检测器自己的量纲来标定分类器，并用每个特征一个仿射映射把两者连起来。因为这个映射把原型中心和标准差按同一倍数缩放，分类器实际计算的标准距离在两套量纲上完全相同——上面那张表是对分类器的精确描述，不是松散转述。
有一个后果我们宁愿说出来，也不埋掉。在 照片路径上，你结果页里的比值是对软尺读数的估计，由关键点几何换算而来——不是原始的关键点商值，页面在表格旁边也这么写。在 软尺路径上，你输入的比值会按原样显示给你。
七种脸型，不是八种
我们只列七种脸型，不列八种。有些造型指南把「倒三角」当作心形的同义词，另一些把它单列一类 —— 两者的边界不够一致，无法据此分类，所以我们把它归进心形并且明说，而不是发明第八个原型。
开放数据
本页的规则集，以及我们文章发布的每一张带日期对比表，也以数据形式提供——放在 GitHub 的一个公开仓库里，许可为 CC BY 4.0。 开放数据 有完整的清单：仓库里有什么、如何引用，以及这些数据不能证明什么。
参考文献
- Farkas, L. G. (1994). Anthropometry of the Head and Face, 2nd ed. Raven Press.
- Farkas, L. G., Katic, M. J., & Forrest, C. R. (2005). International anthropometric study of facial morphology in various ethnic groups/races. Journal of Craniofacial Surgery, 16(4).
- Lugaresi, C., et al. (2019). MediaPipe: A Framework for Building Perception Pipelines. arXiv:1906.08172.
- Kartynnik, Y., et al. (2019). Real-time Facial Surface Geometry from Monocular Video on Mobile GPUs. arXiv:1907.06724.
- Milady Standard Cosmetology, 14th ed. Cengage Learning.
更正
如果你是持证美容师、颅面研究者，或者只是发现了某个数字不对，写信到 contact@knowyourfaceshape.com 更正会署名在被修正的那个页面上。