【Edge AI】為防疫設計的身分辨識技術

作者:王姵文

2020年受新冠疫情嚴重衝擊,結合人臉辨識與生理健康量測的解決方案成為有效的防疫工具,不過大家都戴上口罩後,AI人臉辨識就無法達到該有的辨識效果,如何強化口罩人臉辨識功能就成了相關應用的重要課題。

2月25日在digiBlock C數位創新基地舉辦的Edge AI社聚,探討如何提供即時、高準確率與可彈性部署的AI人臉辨識解決方案,以及如何克服戴口罩的人臉辨識議題,邀請到Edge AI Taiwan社團版主及歐尼克斯工作室創辦人許哲豪(Jack),和研華(Advantech) IoT嵌入式平台事業群產品企劃專案副理高信揚(Alan)來為大家做分享。

人臉辨識技術剖析

「人臉辨識在生活中隨處可見,從身份/性別/年齡辨識、表情辨識/測謊、口罩偵測、虛擬彩妝、趣味換臉等等都是。」Jack首先帶大家認識人臉辨識應用的範圍:因為新冠疫情有了口罩偵測的應用;虛擬彩妝的線上應用則是許多國際知名品牌都有,這比較像AR應用,把虛擬的東西疊到真的東西上;另外之前換臉APP大家玩得很瘋,但也有明星的照片被用在不雅的東西,能應用的方面好壞皆有,這些都必須依靠人臉辨識技術,否則無法做下去。

Jack剖析人臉辨識的應用領域(圖片來源:Jack簡報)

Jack提到光一個最基本的身分辨識來講,在建築、零售、製造交通都可以用得到,例如當走到大門前時,身分辨識出是員工就會將門打開;在零售業的應用可以感應到VIP客人進來,店員就可以趕快去推銷;在工廠裡操作機器時會驗證是合格的人才能操作。

「不過,也不是各種場合都適用身份辨識技術,在重視個人隱私的國家,如台灣,就無法在公共場所拍攝人臉,並進行身份辨識。」

Jack為大家剖析人臉辨識技術發展現況(攝影:楊皓竣)

「人臉辨識的技術是從電腦視覺處理而來,包含影像預處理、人臉偵測、特徵提取、比對和辨識等等,可以獨立出很多山頭,甚至可以再細分!」Jack提到大家在做深度學習時,常會忽略第一段的影像預處理,認為蒐集很多人臉資料來訓練就好, 但其實如果能做好預處理就有機會提高辨識上的正確率。

他進一步指出,在人臉偵測這塊,以前只要照片上人臉是歪頭或是人的角度是側的就很難辨識,現在這些問題都不大了。今日在做比對辨識時,從簡單的數學比對和直接影像處理,會衍生出很多技術,比如說要找一個出現在捷運上的犯人就用檢索性技術;在1萬多張資料庫裡找10張照片則是聚類技術。

「常會有人疑惑人臉特徵點要抓幾個點才夠?」Jack提到從最早五個點一直增加,現在用的最多的則是68點,因為這最接近完整一張臉。有些單位,像是百度已經到72或150點,是為了要做更嚴謹的身分辨識,因而需要更複雜的演算法。

但大家都說自己的方法最準,有沒有標準可來比一比呢?美國國家標準暨技術研究院(NIST)推出「臉部辨識技術基準測試 (Face Recognition Vendor Test, FRVT)」,讓人臉辨識技術有了較公正的第三方認證機制,全世界頂尖團隊都爭相提交演算法,從一開始兩年一次到現在隨時可提交測試。排名靠前的算法也許在通用領域很好用,但在特定領域就不一定了。此外,有些領域,如專門辨識走失小朋友的領域,因為測試集資料龐大,所以沒有作弊的可能。

為防疫設計的身分辨識技術

「舊時代的AI架構是一機通包訓練、建模、分析、推論、執行,硬體價格和技術需求都很高。」Alan一開始先為大家介紹Edge AI的概念,他指出過去因為要訓練的資料庫可能有七、八百萬筆資料,需要架一個很大的雲端資料庫去做建模和分析,在佈建上來說對硬體成本的負擔很大。

A高信揚(Alan)為大家分享Edge AI 於防疫上的應用(攝影:楊皓竣)

此外,早期的CPU運算力弱,AI技術的門檻又高,開發者要懂資料結構、類神經演算法才能寫模型,同時還要懂特定行業的knowhow,才能開發出合乎該行業的方案。他說:「當時要做人臉識別的應用,要從頭學到尾才做的到。」

如今時代變了,目前當紅的Edge AI採用的是分散式架構,大致分成訓練(Training)引擎和推論(Inference)引擎,其中Edge端採用的是推論引擎,可以大幅降低CPU算力的使用需求,佈署會更簡化。Edge AI大部分跟影像和聲音比較有關係,在佈署上應該各個模組和零件發揮擅長的部份,像是CPU負責浮點運算,VPU負責影像處理,就可以把效能優化。

Alan指出,目前AI的佈署走向分散式架構(圖片來源:Alan簡報)

近來為因應客戶對AI應用的強烈需求,以及要進入美國市場等考量,我們找到了CyberLink合作,在自家的硬體設備中搭配CyberLink不斷在精進的辨識引擎,提供給客戶直接使用或做二次開發,加速實現各式各樣的應用。

「因為疫情關係,Edge AI 於防疫上的應用有很多!」Alan分享在公共防疫上溫感偵測非常重要,和口罩辨識有沒有戴、是否有正確戴好都是防疫工作的基本要求。此外,大家在公共場所都有非接觸式的需求,因此有廠商推出零接觸式電梯,也就是整合臉部辨識與電梯控制系統,能判別進入者的辦公樓層並自動停靠。

「雖然是針對疫情的應用,但在未來應該是滿大的商機。」

此外,因為疫情要判斷病人的肺部狀況,過去肺部X光照片只能靠專業醫師來判斷是否嚴重,但只要是透過經驗可以得到結果的東西,基本上都可以透過AI的演算法轉化成AI的推論系統,例如有廠商開發出基於AI技術的肺音監測系統,這套電子聽診器通過貼片偵測和記錄病患的呼吸音,結合AI 演算法以識別肺部活動和檢測不規則的聲音,實現醫生遠端檢查診斷患者的病情。

小結

在AI崛起迅速與邊緣運算整合的趨勢下,AI臉部辨識在面對防疫當然也需要與時俱進,該如何整合AI邊緣運算平台,想辦法提供準確、高效的臉部辨識方案,並針對各式邊緣運算裝置的效能,進行AI加速器及推理引擎優化,都是Edge AI能派上用場的地方。

(本文為【Edge AI社聚#1】身份辨識防疫技術交流之活動報導;責任編輯:歐敏銓)

王姵文

Author: 王姵文

從滿腦子都是韓劇和KPOP的愛追劇迷妹,意外踏入Maker圈,期許有一天這方面的知識量也能如數家珍。

Share This Post On

發表