站前ai修图实录：广场抓拍的杂物清理和路人脸处理
先交代现场：火车站前广场，傍晚六点半，人流最密的时候，我拍了两组共四十六张抓拍。站前ai修图的难点从来不是调色，是杂物怎么清、路人的脸怎么办，这篇把处理流程和底线一次写全。
站前ai修图和影棚修图差在哪儿？差在影棚里每个元素都是你安排的，站前广场上每个元素都是意外。那两组抓拍里，有共享单车横在画面下缘的，有垃圾桶抢镜的，有二十几个可辨识面孔的路人。调色只花了四十分钟，杂物清理和路人处理花了三个小时。功夫全在「画外」，这篇讲的就是画外那部分。
杂物消除：指令越具体，残留越少
清杂物别写「清理画面」，要写「移除左下角的共享单车，补上人行道地砖并延续透视」。把补什么、怎么补都说清。
第一轮我偷懒，整批图统一扔给AI一句「清理干扰元素」，结果三张图里垃圾桶没了，阴影还留着；单车没了，地砖花纹接得七扭八歪。返工时我改成逐项指令，一次只清一样东西，并且写明补充内容。同一张图，垃圾箱消除后地面纹理的接缝几乎看不出来。差别就在指令的颗粒度上，AI不是魔术师，是个听话但死板的工人。
数量上也有账可算：四十六张里需要清杂物的十九张，平均每张两处、每处重绘一次到两次，全部处理完九十分钟。有个意外发现：傍晚的逆光场景，杂物阴影的消除成功率比正午高，因为长阴影和地砖纹理的走向一致，AI补得顺。正午顶光下的杂物，补出来的地面像打了补丁。
广告牌和店招我一项都没清。有些同行会把画面里的品牌标志抹掉，说省得麻烦。我的看法相反：抹掉真实存在的招牌，照片就不成立；真担心商用问题，靠授权和拍摄场景的性质解决，不靠篡改现场。街头摄影的真实感，是这些「没清干净」的东西撑起来的。
路人脸：打码是本分，不是选项
画面里可辨识的路人面孔，发布前要么打码、要么裁掉，公开平台没有例外。这一步不能交给AI自动判断。
四十六张里能认出脸的路人一共二十七个。我的规则是：路人构成画面氛围、看不清五官的，保留；五官清晰、能对上号的，打码或裁切。打码用AI的识别人脸功能先圈出来，再逐个确认，AI漏检了两个侧脸，是手动补的。别信「自动打码」四个字，它认正面不认侧脸，认大人不认被遮挡的孩子。
打码的方式也挑过。全黑方块太粗暴，毁画面；高斯模糊在人脸这种大面积区域会显脏。最后我用的是局部像素化加轻微暗化，远看像景深虚化，近看认不出人。每张多花一分钟，换来的是发图之后不用提心吊胆。上传图之前数据会去哪、被谁存着，这些也别不当回事，之前写过一篇ai修图隐私风险盘点：你上传的图去了哪，含人脸的图上传第三方工具前，值得先看看那篇。
发图前的三查，我在站前广场养成的习惯
三查口诀：一查脸，二查牌，三查角。查可辨识面孔、查敏感信息、查画面四角的意外内容。
一查脸，前面说了。二查牌，看画面里有没有车牌、门牌、店招电话这类能定位到具体人或店的信息，车牌我用AI局部重绘换成无意义组合，比打码自然。三查角是这次学到的：回看素材时发现一张图右下角拍到了安检仪屏幕的一角，上面有模糊的包内物品影像，这种内容发出去不合适，当时拍的时候根本没注意。画面四角是最容易混进意外内容的位置，查一遍三十秒。
三查做完，四十六张最后发出去二十一张，打码十一张，放弃十四张。有人觉得这个通过率太低，我倒觉得踏实——街头摄影发出去的每张图，都代表你的判断力。顺带说一句时间的账：三查全程四十分钟，摊到二十一张成片上每张不到两分钟，比出一次纠纷便宜太多了。车站这种人流密集场所怎么把人海拍出味道、拍完怎么修，风格层面另有讲究，写过一篇球赛看台照修图：人海的吆喝感，处理人群氛围的思路是相通的，可以搭着看。
那组站前抓拍后来被一个本地文旅号转载了两次，都带了我的署名，没有一张出过纠纷。回头看，站前ai修图里AI干的只是体力活，真正的活儿是那些取舍：哪个垃圾桶该清、哪张脸该挡、哪张图干脆不发。技术会越来越省事，判断力永远不会替你省事，这大概就是街头修图和影棚修图最本质的区别。
常见问题
AI识别人脸漏检率高吗？
侧脸、低头、被遮挡和远处的脸都容易漏，我的经验是自动识别后全图再人工扫一遍，尤其注意边缘和背景深处，漏检的两张都是扫出来的。
打码后照片还能投稿或商用吗？
可以，打码处理的图在多数图库和媒体是认可的，注明已做隐私处理更好。反过来，含未处理可辨识面孔的图，商用风险极高，别抱侥幸。
路人主动入镜摆姿势的，还要打码吗？
有明显配合意愿、姿态主动的，一般可以不打，但拿不准时问一句最稳妥。公开发布和私人收藏的标准不同，公开发布从严，永远没错。
傍晚站前的光线太乱，色调怎么定？
别硬统一色温，站前场景一定是暖冷混杂的：路灯暖、天光冷。保留这种混杂，把整体曝光压稳，画面反而有傍晚的呼吸感，全部拉成一种色调就假了。