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。
如果您想更進一步學習本文的內容，可連到【Edge AI教學】身份辨識防疫技術探討 數位學習課程，收聽兩位專家的分享喔。
（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）
- 【活動報導】5G 智慧交通 On the Road技術社群線上交流會 - 2021/10/15
- 【活動報導】5G SDN/NFV網路技術基礎 - 2021/10/05
- 【活動報導】5G技術入門與商用平台介紹 - 2021/09/27
