人臉辨識在夯什麼！商機在哪裡？—Part 1

Posted By 林祐祺 on 12 月 29, 2019 in Edge AI開發地圖, 特寫, 綜論 | 0 comments

文章導覽

作者：林祐祺

人臉辨識技術於這幾年已在很多場域逐漸取代卡片感應或打卡鐘的模式，成為管制人類進出的一項重要創新科技。不論在公領域的機場協尋、校園安全管理、軍營進出、人員參訪管理或在一些服務業的商用領域，比如金融業、餐飲、旅宿、社區管理等，已有很多案例在前端使用人臉辨識做人物識別、黑白名單與 VIP 管理。

儘管如此，人臉辨識不論在隱私權或其系統後端的個資保管等，都造成在場域端的疑慮，這些都是人臉辨識科技在使用上較受人矚目的原因。

認識臉部辨識系統

臉部辨識系統本身其實並不複雜，可以把它的臉部圖像捕捉裝置當成是一個 Face Sensor（人臉偵測器），與一般常見的 Motion Sensor（動作偵測器）一樣，只要抓取到臉部圖像，並將圖像與人臉資料庫比對，不論資料庫在前端、後端、雲端，比對之後的結果會回傳到前端做後續行為，串接後續的門禁系統或考勤系統，藉此解決終端應用的問題。

臉部辨識這個新興技術的價值核心在於其能夠提供一個更有效率且安全的用戶（人）認證機制，其中包含能提供足夠辨識臉部特徵值的截取技術（包括 2D 平面影像與 3D 感測）及臉部辨識的演算法。

（圖片來源：林祐祺提供）

以產業鍊的最上游而言（包括臉部影像擷取的元件、Camera Module、處理臉部辨識計算的 GPU/NPU 或 FPGA 等處理單元與臉部辨識的演算法），主要是由供應商將元件或演算法販售給設備系統商，再由設備系統商將設備賣給整合各式垂直應用或以專案為基礎的廠商（例如門禁考勤系統、智慧零售系統、訪客管理系統、工地管理系統、智慧社區系統等解決方案的業者），最後才是各式各樣的公私應用場域。

就臉部辨識演算法來說，目前不論在服務器或單機版本都能做到超越 98 % 以上的準確率，且在實際場域的操作上，人臉辨識技術在加入深度學習後，帶來了許多重大突破，大幅提高了辨識率，甚至比人眼辨識還銳利。

人臉辨識技術面面觀

人臉辨識做為人類身份判定的新工具，一般來說分為兩種主要技術，一種是一對一的靜態比對，也稱為臉部驗證（Face Authentication），多數用在證件比對、臉部提款等應用，另一種是一對多的動態比對，資料庫從幾百人的小社區到幾百萬人的城市不等。

（圖片來源：Jumio）

人臉辨識的步驟包括人臉偵測、校正與特徵值的擷取。一般要先找到人臉，然後利用人臉的特徵點（比如眼睛、眉毛、鼻子、人中、嘴巴等），將人臉校正在同樣的基準點上，再做特徵值的比對，才能進行辨識。

在這之中，特徵的抽取步驟最為關鍵。要產生具有鑑別力的人臉特徵，必須先將大量的人臉資料圖庫餵給類神經網路（Neural Network，NN），使其學習人臉的主要特徵，以提高系統辨識率並降低誤判率。然而，由於目前大多採用歐美的人臉資料庫做訓練，因此在亞洲落地使用時，辨識率會降低，而且亞洲人的臉相對平面，也比較容易產生辨認誤差。

至於服務模式主要有兩類，一類是 FRaaS（Face Recognition as a Service）模式，合作夥伴透過雲服務的 API 串接，依照需求直接 Call 人臉辨識 API 做服務，並依照使用量收費；另一類是由人臉辨識技術提供商提供 SDK 給解決方案整合商，讓方案商將人臉辨識演算法整合到終端產品或系統中，而這收取的費用多半是 NRE 形式的開發費用和每個終端產品的授權費（License Fee）。