在信息产业急剧膨胀的时代背景下，主流数字媒体产生了由文字到图片再到视频的演化，如何快速有效地获取视频中人物的关键信息，成为各大互联网娱乐和大数据分析领域争相研究的话题。然而，现有的人物信息获取方法还有极大的局限性，无法在视频界面直接获取信息。为了解决这一问题，该文提出了一种新的“由粗到细”的基于特征混合聚类和关键点检测的智能人脸搜索框架，实现了对互联网视频数据的实时检测与高鲁棒的视频人脸数据智能搜索。该文将大数据下人脸数据实时搜索工作细分，首先，通过基于多尺度深度特征混合聚类的人脸检测算法，使用 Softmax 函数实现数据分类，并运用中心损失函数 center loss 形成聚类中心，随后通过对中心点的回归矫正，达成人脸的粗筛选；然后，通过基于脸部关键点检测算法，提取 68 个人脸关键特征点，生成易于计算处理的标准化特征码。此外，该文还构造了两个影视类人脸数据集，为后续相关互联网行业、娱乐多媒体提供大数据分析。基于该文章整体实验结果表明，在人脸快速检测方面，与现有的主流方法相比，该文方法在识别精度和效率上，都具有一定的提升，其中，基于多尺度深度特征混合聚类算法实验的识别效率提升 31.2%，假阳性样本辨别力提升 3 倍，整体运行效率达标，具有一定的实用价值。