diff --git a/plugins/kid_photo_extractor/main.py b/plugins/kid_photo_extractor/main.py
index 6f97743..e00c3a7 100644
--- a/plugins/kid_photo_extractor/main.py
+++ b/plugins/kid_photo_extractor/main.py
@@ -67,6 +67,12 @@ class FaceAnalyzer:
             # 过滤掉可能的误检
             valid_faces = []
             for face in faces:
+                # 检查置信度，过滤掉低置信度的检测结果
+                confidence = face.get('confidence', 0)
+                if confidence < 0.8:  # 提高置信度阈值到0.8
+                    self.logger.info(f"过滤掉低置信度人脸: {confidence}")
+                    continue
+                    
                 # 检查人脸区域的大小，过滤掉太小的区域（可能是图标）
                 if 'facial_area' in face:
                     area = face['facial_area']
@@ -74,12 +80,22 @@ class FaceAnalyzer:
                     face_height = area['h']
                     
                     # 过滤条件：人脸必须足够大（通常图标较小）
-                    min_face_size = 40  # 最小人脸尺寸（像素）
+                    min_face_size = 60  # 增加最小人脸尺寸（像素）
                     if face_width > min_face_size and face_height > min_face_size:
                         # 检查人脸宽高比，过滤掉不合理的比例
                         aspect_ratio = face_width / face_height
-                        if 0.5 <= aspect_ratio <= 2.0:  # 正常人脸的宽高比范围
-                            valid_faces.append(face)
+                        if 0.7 <= aspect_ratio <= 1.5:  # 缩小人脸宽高比范围，更接近真实人脸
+                            # 计算人脸区域占图片的比例，过滤掉太小的区域
+                            img_height, img_width = img.shape[:2]
+                            face_area_ratio = (face_width * face_height) / (img_width * img_height)
+                            if 0.01 <= face_area_ratio <= 0.9:  # 人脸区域应该在合理范围内
+                                valid_faces.append(face)
+                            else:
+                                self.logger.info(f"过滤掉不合理区域比例的人脸: {face_area_ratio}")
+                        else:
+                            self.logger.info(f"过滤掉不合理宽高比的人脸: {aspect_ratio}")
+                    else:
+                        self.logger.info(f"过滤掉过小的人脸: {face_width}x{face_height}")
                             
             # 记录检测到的人脸数量
             self.logger.info(f"在图片 {image_path} 中检测到 {len(faces)} 个人脸，有效人脸 {len(valid_faces)} 个")
@@ -114,25 +130,27 @@ class FaceAnalyzer:
                     temp_path = f"{image_path}.temp.jpg"
                     cv2.imwrite(temp_path, img)
                     
-                    # 二次验证：使用人脸验证模型确认这确实是一张人脸
+                    # 使用人脸检测来验证这是否是一张人脸，而不是使用verify
                     try:
-                        verification = DeepFace.verify(
-                            img1_path=temp_path,
-                            enforce_detection=False,
-                            detector_backend='retinaface',
-                            model_name='VGG-Face',  # 使用VGG-Face模型进行验证
-                            distance_metric='cosine'
+                        # 使用DeepFace的detect_face函数检测是否包含人脸
+                        detection = DeepFace.extract_faces(
+                            img_path=temp_path,
+                            enforce_detection=True,  # 强制检测
+                            detector_backend='retinaface'
                         )
                         
-                        # 如果验证失败（不是人脸），则返回None
-                        if not verification.get('verified', False) and verification.get('distance', 0) > 0.5:
+                        # 如果没有检测到人脸，则返回None
+                        if not detection or len(detection) == 0:
                             self.logger.info(f"二次验证失败，可能不是真实人脸: {image_path}")
                             if os.path.exists(temp_path):
                                 os.remove(temp_path)
                             return None, None
                     except Exception as e:
-                        # 验证失败不中断流程，只记录日志
+                        # 如果强制检测失败，说明可能不是人脸
                         self.logger.warning(f"人脸二次验证失败: {e}")
+                        if os.path.exists(temp_path):
+                            os.remove(temp_path)
+                        return None, None
                     
                     image_path = temp_path
                         
@@ -144,7 +162,7 @@ class FaceAnalyzer:
             embedding_result = DeepFace.represent(
                 img_path=image_path,
                 model_name='ArcFace',  # 使用ArcFace模型，对不同年龄段人脸效果更好
-                enforce_detection=False,
+                enforce_detection=True,  # 改为True，确保是人脸
                 detector_backend='retinaface'  # 使用更精确的检测器
             )
             
@@ -192,7 +210,7 @@ class FaceAnalyzer:
 class FaceGrouper:
     """人脸分组器，负责对人脸进行聚类分组"""
 
-    def __init__(self, eps=0.5, min_samples=3):
+    def __init__(self, eps=0.4, min_samples=4):  # 减小eps值，增加min_samples值
         self.eps = eps  # DBSCAN的邻域半径
         self.min_samples = min_samples  # 形成核心点所需的最小样本数
         self.logger = logging.getLogger("Plugin.KidPhotoExtractor.FaceGrouper")