人臉辨識的原理及邊緣運算應用 【2021 最新版】
FaceMe®
< All Articles

人臉辨識的原理及邊緣運算應用 【2021 最新版】

2020/12/18

近年來,人臉辨識相關應用已蓬勃發展,像是每天都要使用人臉辨識來解鎖手機,即是融入日常生活的最佳案例。

然而,除了手機解鎖外,其實人臉辨識也被廣泛的應用在各式場景中,進行如門禁、安控等多種應用。在本篇文章中,我們將為您深度探討人臉辨識的原理、如何在各式應用場景中進行優化、相關的技術細節說明,以及各式深具潛力的人臉辨識應用場景。

1. 什麼是人臉辨識?

人臉辨識是生物辨識技術的一種,其運作原理係以向量方式擷取臉部特徵值,進而與事先登錄的臉孔之特徵值進行比對。事實上,這個技術已存在於市場多年,比方說,訊連科技在近十年前即在YouCam軟體中提供人臉辨識功能,用以辨別電腦前的使用者,並透過人臉辨識進行快速登入。在十年前,人臉辨識主要是運用數位訊號處理(DSP, Digital Signal Processing)的技術進行,然其先天性的限制在於僅能辨別正臉。而近年來,隨著AI人工智慧技術的發展,人臉辨識採用的是深度神經網路(DNN, Deep Neural Network)技術,除了可大幅提升辨識率外,也可辨別各種角度的臉部,對於人臉辨識的普及有極大的幫助。

深度神經網路的人臉辨識係基於人工智慧演算法及複雜的數學算式,量測人臉的各項變數,如:鼻子的長度與寬度、額頭寬度、眼睛形狀等,並將各項變數轉換成一個臉部特徵值。此特徵值可用來與資料庫中人臉的特徵值資料進行相似度比對,以找出該人臉之正確身分。

訊連科技擁有AI及人臉辨識技術多年的開發經驗,使用深度學習及類神經網路開發出FaceMe® AI臉部辨識引擎。經過不斷的優化及調教,FaceMe®為世界上具有高精準度與可靠的人臉辨識技術之一,更具備建置彈性,可靈活應用在各種邊緣裝置上,加速人臉辨識功能在物聯網中的應用。

1.1 人臉辨識的主要功能

人臉辨識為目前公認最準確且可用度最高的人工智慧生物辨識技術。人臉辨識技術除了常見的臉部偵測及身分比對外,亦包含了特徵偵測(如:性別、年齡、情緒)、口罩偵測等多種功能。而透過人臉辨識技術,也可減少人為判別所造成的偏差。

以 FaceMe®為例,人臉辨識的主要功能包括:

臉部偵測

臉部偵測為人臉辨識的第一步驟,透過臉部偵測技術,即使僅局部的臉部出現於畫面之中,仍可於影像或影片中精準掃描、偵測及框列人臉之所在位置,。於臉部偵測時,快速、即時的偵測臉部為判別效能之最主要指標,亦是人臉辨識之基礎。以FaceMe®為例,可於同一畫面中偵測出多張人臉,並逐一精準追蹤框列。

臉部特徵值擷取

臉部特徵值擷取是臉部偵測的下一個步驟,臉部辨識引擎可將框列出的臉部區分成n個維度,比方說,高精準度的臉部辨識引擎之n值為1024時,可將臉部切分成1024維度的矩陣,擷取出以向量為基礎的臉部特徵值。而此擷取出的特徵值,可進一步用來比對資料庫中最近似的資料,得出正確身分。

臉部識別

臉部辨識引擎擷取出的臉部特徵值,可與資料庫中預先登錄的人臉進行特徵值比對,識別出正確身分。以1:N比對為例,是以在畫面中出現的人臉之特徵值,與資料庫中N個預先登錄的臉部進行比對,識別出身分。以FaceMe®為例,擷取出的特徵值經過加密、也無法透過特徵值逆推回人臉,此外,在識別過程中也不會儲存任何臉部影像,可有效確保個資的安全。

1.2 更多臉部相關功能

除了上述的基本人臉辨識外,更多與人臉辨識相關的應用如下:

臉部特徵偵測

臉部特徵偵測可用於分析包括性別、年齡、情緒及頭部動作(如:點頭、搖頭等)。主要可應用於智慧零售場景,如電子看板上,用以投放分眾式廣告,或分析來店訪客之統計資料。

使用人臉辨識偵測來店訪客之年齡、性別、情緒等資訊

口罩偵測

於疫情期間,口罩偵測是最熱門的應用項目之一,用以確保公共或私人場所之訪客是否正確配戴口罩,及配口罩時進行身分辨識,以保障健康及訪客安全。FaceMe® Health可偵測訪客是否配戴口罩、或不當配戴口罩(如:口鼻露出、或以手遮住口鼻),並可於配戴口罩時,進行高準確度的身分辨識。

使用人臉辨識技術偵測是否正確配戴口罩 1 2 3
1身分辨識 (支援配戴口罩)
2口罩配戴狀態
3體溫量測資訊

活體辨識及防偽

常見的人臉辨識破解方式包含使用臉部的照片或影片進行破解及身分冒用,也因此,活體辨識於人臉辨識應用至關重要。常見的活體辨識方式可透過3D或2D相機進行。

當使用2D相機時(如:webcam或一般手機前鏡頭),可透過互動或非互動方式進行活體辨識。互動方式係透過頭部指令(如:點頭、搖頭)或臉部表情(如:眨眼、張嘴)進行活體判別。而非互動方式係透過各開發商的獨家演算法,進行真偽判別及辨識。

當使用3D景深相機時,主要係透過景深資訊,進行快速的活體判別。於透過3D景深資訊判別時,可不需額外之互動方式。3D景深相機通常可提供較2D活體辨識較即時且較直覺的活體辨識,然而因為需要特殊硬體,建置成本也較高。相較之下,2D活體辨識可相容於現行裝置之攝影鏡頭,並提供一定準確度的活體辨識。以FaceMe®來說,可支援2D相機或3D景深相機之活體辨識。FaceMe®可支援的3D景深相機包括:Intel® RealSense™、iPad及iPhone上的3D結構光相機、奧比中光(Orbbec)、奇景光電(Himax)、華晶科技(Altek)及鈺立微電子(eYs3D)等。

於ATM自動提款機偵測是否為真人、或是以照片盜用身分

1.3 人臉辨識的準確度

人臉辨識的準確度指標可由低的不匹配率(FNMR, false non-match rate)及極低的錯誤匹配率(FMR, false match rate)來判別。錯誤匹配率(FMR)表示將人物誤認為他人,而不匹配率(FNMR)代表無法匹配出兩張屬於同一個人拍攝的臉孔。

美國國家標準暨技術研究院(NIST, National Institution of Standards and Technology)舉辦的人臉辨識技術基準測試(FRVT, Facial Recognition Vendor Test)係透過一套標準化指標,評比各種人臉辨識演算法準確度之測試。NIST FRVT透過四種測試項目進行評比,為比對真人之照片以及以下四種測試集之照片,包含:

  • 證件照比對檢索(VISA):證件照(如:護照、簽證、身分證、駕照等),照片為清晰、正面、無遮擋的照片。
  • 證件照邊境查驗(VISA Border):於邊境查驗時,使用一般攝影機(如:webcam)所拍攝的照片,較容易有過曝或光線不佳之狀況,但拍攝角度基本上較實境照(WILD)受控,是接近正面的角度。
  • 警方歸檔照比對檢索(Mugshot):警方歸檔之犯罪嫌疑人照,雖與VISA照片一樣為正面照,但與VISA相比,年齡跨距可能較大,有許多甚至超過12年。
  • 實境照比對檢索(WILD):在非限制場景下拍攝的(如:透過IP Cam攝影機),較多光線、角度、局部遮擋、低光、高躁點或畫質不佳之情況。

FaceMe®於NIST FRVT的VISA測試項目中表現突出,於萬分之一誤認率下達到99.7%之辨識率(0.3% FNMR/ 1/10,000 FMR)。此外,亦於VISA Border測試項達99.06%辨識率(百萬分之一誤認率)、WILD測試項達96.88%(十萬分之一誤認率)。以一般智慧型手機上使用的Face ID 為例,提供96%辨識率(萬分之一誤認率),可知FaceMe®提供相對精準、可靠的人臉辨識。

除了演算法外,另一個影響人臉辨識精準度的因素在於攝影機的畫面品質,如:解析度、角度、光線、鏡頭清晰度及攝影機類型。臉部辨識引擎一般來說可使用720p攝影機拍攝的畫面,並建議採用1080p的解析度以達到更高的辨識度。攝影機之架設角度需正對拍攝者,光線良好,並保持鏡頭之乾淨。

2. 人臉辨識的類型及導入方式

人臉辨識技術的建置類型主要包括「雲端人臉辨識服務」(如:Microsoft、AWS等)及「邊緣裝置人臉辨識」兩大類。兩種類型都各有其優勢,而一般來說,邊緣裝置人臉辨識主要透過SDK或軟體型式建置於邊緣裝置上,可提供更快的辨識速度、安全性、彈性化以及經濟實惠的建置成本。

2.1 雲端人臉辨識服務

採用雲端人臉辨識服務時,需確保網路連線暢通不間斷,以利將攝影鏡頭拍攝的視訊畫面串流至雲端進行臉部偵測、特徵擷取等。因為拍攝的影像畫面是透過網路傳輸、並儲存在伺服器上,除了無法避免的延遲時間外,頻寬成本高昂且雲端服務存在著一定的風險,除了臉部畫面可能外洩外,也存在著遭駭客入侵的安全漏洞危險。

然而,雲端人臉辨識服務亦有其優點存在。因為人臉辨識相關處理都是在雲端伺服器進行,相較於邊緣端的攝影裝置上,無須具備AI運算能力的硬體。在各式具備AI運算能力的晶片問市前,早期的人臉辨識技術多以雲端技術為主流。雲端人臉辨識的代表性廠商包括:

  1. Microsoft Azure的Face API
  2. Google的Vision AI
  3. AWS的Rekognition

對於小規模的建置來說,如家用及小型辦公室使用的安控系統、智慧門鈴等,在頻寬成本不高的狀況下,雲端的人臉辨識服務對於開發商來說尚屬適合。

2.2 邊緣裝置人臉辨識

近年來,各式各樣的邊緣裝置導入人臉辨識技術的應用越來越多,如:智慧門鎖、行動裝置、銷售時點系統(POS, Point-of-sales)、互動式資訊站(KIOSK)及電子看板等。當人臉辨識運行於邊緣裝置時,因為無需等待臉部影像上傳至雲端的時間,可以提供即時的臉部偵測及辨識,於辨識率上也有極佳表現。事實上,大多邊緣裝置的人臉辨識應用,臉部偵測以及特徵值擷取的過程都是發生在邊緣端。在進行資料庫比對時,無論臉部資料是儲存於邊緣裝置上、或是在雲端資料庫上,因為比對的是擷取出的特徵值(以FaceMe®為例,特徵值檔案尺寸僅3KB),在資料上傳、比對、回傳的時間遠少於雲端人臉辨識,通常在幾微秒間即可完成。

近年來,AI邊緣裝置的運算能力大幅提升,讓人臉辨識的應用可以實現在各式應用場景中。以金融機構為例,許多金融場所為了安全因素且並無網際網路連線,此時若需導入人臉辨識,就須大幅仰賴邊緣運算裝置。

人臉辨識於邊緣運算裝置具有低建置成本及高度擴展性,已成為各式人臉辨識應用的首選。

FaceMe<sup>®</sup> AI人臉辨識SDK可運行於Windows、Linux、Android及iOS等作業系統

訊連科技的FaceMe® AI臉部辨識引擎即是一款專為邊緣裝置開發的人臉辨識SDK (Software Development Kit),可彈性整合在各式邊緣運算裝置上,並可廣泛支援各式晶片及作業系統,在全球知名的NIST FRVT人臉辨識技術基準測試中表現亮眼。FaceMe®可彈性建置於各式物聯網應用場景中,如:安防、門禁、公眾安全、智慧金融、智慧零售、智慧城市及智慧家居,提供安全、可靠、高辨識率的人臉辨識方案。

2.3 邊緣裝置上的人臉辨識應用是未來發展主要趨勢

接下來,讓我們以 (1)建置成本、(2)反應時間,及(3)服務可用性這三個面向來進一步說明。

2.3.1 建置成本

AI人工智慧相當講求運算能力。雲端人臉辨識通常是以處理的臉部數目進行計價。當需要處理的臉部資訊較少時,如家用智慧門鎖每小時僅處理幾張臉部影像,這類的小型建置可考慮使用雲端人臉辨識。但若需處理的臉部數目較大,例如每小時需辨別數百、數千張人臉的安防建置或辦公室門禁系統,則邊緣運算是較佳選擇。值得注意的是,越來越多晶片支援AI運算,硬體成本也大幅降低,以長遠來看,在邊緣裝置上佈署AI人臉辨識是更好的選擇。

2.3.2 反應時間

在邊緣裝置上的人臉辨識運算,頂尖的演算法可在數毫秒內完成。相較之下,雲端人臉辨識需等待即時影像串流至雲端及處理,動輒需要數秒的處理時間。以許多人臉辨識的實際應用來說,人臉辨識的處理時間至關重要,例如門禁系統通常需要於數微秒間完成辨識及解鎖才具備可用性。其他如安控、刷臉交易與支付、身份辨識等應用場景,對人臉辨識的反應時間亦有極高需求,此時反應時間短的邊緣裝置人臉辨識具備了絕對優勢。

2.3.3 服務可用性

網路連線是使用雲端人臉辨識時必備要素,然而在許多應用場景中,若因為網路連線不穩,甚至無法連接網路時,雲端人臉辨識將無法使用。試著想像,若今天您的智慧門鎖需仰賴網路連線進行臉部解鎖,但不巧網路斷線時該怎麼辦?

相較之下,於邊緣運算裝置建置人臉辨識是更好的選擇,即使在沒有網路的狀態下、或是在無法架設網路的環境下,也可以正常運作。接下來,我們將深入探討在邊緣裝置上建置人臉辨識的優勢。

3. 於邊緣裝置上建置人臉辨識的主要考量

建置人臉辨識邊緣設備時,因應不同的應用場景與情境來選擇適合的晶片是相當重要的一環,選擇結果也會影響到成本與效能。舉例來說,高階的NVIDIA GPU晶片價格相對昂貴,但其運算能力可在安控場景同時處理上百路攝影機之視訊,可減少於大型場域安控應用中所需要架設的工作站數量,大幅降低成本。另一方面,聯發科、高通或是恩智浦的低成本SoC晶片雖然運算效能相對較低,大約每秒5幀,僅能滿足正面的人臉辨識,但具備低功耗、低發熱等特性,可滿足絕大部分的AIoT的需求,更適合輕量化設備使用。

3.1 專屬晶片或單晶片系統(SoC)

AI晶片或是單晶片系統 (SoC)是影響人臉辨識優化的重要因素之一。Intel、NVIDIA、聯發科(MediaTek)、恩智浦(NXP)、高通(Qualcomm)等晶片製造商提供了完整的方案選擇,針對不同使用環境提供對應的優勢。每種晶片皆內建AI推理引擎,並依照不同的運算能力、設備尺寸及外觀,以及功耗設計而成。

NVIDIA、Intel、高通、聯發科以及恩智浦等晶片大廠掌握了邊緣與物聯網AI技術的先機,將新的APU (AI Processing Unit),VPU (Vision Processing Unit, 視覺處理器)以及NPU (Neural Network Processing Unit類神經網路處理器) 快速導入市場,加快圖像處理與AI推理的速度,並同時優化效能與降低功耗。

在下一個章節中,羅列出市面上絕大部分可支援臉部辨識引擎 (如FaceMe®)的SoC、GPU以及VPU等產品比較。

3.1.1 獨立的GPU或VPU

這類專屬晶片係透過獨立的圖像處理器(GPU)或視覺處理器(VPU)進行運算,可提供專屬、高效能的AI運算,如AI人臉辨識。於建置此類系統時,需額外搭配中央處理器(CPU)。

廠商/種類
產品型號
重點說明
NVIDIA GPU
T4
NVIDIA T4為通用型的深度學習加速器,適用於分散式運算環境。在NVIDIA Turing Tensor Cores的支援下,T4提供了多重精度的效能,可加速深度學習以及機器學習的訓練和推理、影像處理與視訊解碼的整體過程。T4為NVIDIA AI平台的一部分,支援所有AI架構與網路類型,提供卓越的性能與效率,將大規模部署的效用極大化。

適用設備: 工作站
運算效能: 非常高
建置費用: 非常高
NVIDIA GPU
A40 RTX A6000
NVIDIA A40以及RTX A6000可透過單精度浮點數(FP32)提供雙倍高速的處理速度,不僅提高效率,進而大幅提升圖像處理效能。這兩種方案專為工作站或是本地伺服器所設計,可處理巨量的人臉辨識運算需求。

適用設備: 工作站
運算效能: 非常高
建置費用: 非常高
NVIDIA GPU
Quadro RTX 5000
Quadro 4000/5000系列為全球技術領先的GPU之一。搭載全新的RTCore,以384 個Tensor核心進行AI運算,及 3072顆CUDA 核心進行平行運算,具備FP32與每秒11.2兆次的浮點運算(11.2 TFLOPS)的運算效能。Quadro 4000/5000系列專為工作站的應用所設計,可處理中等規模相機數的人臉辨識需求。

適用設備: 工作站
運算效能: 非常高
建置費用: 非常高
Intel VPU
Movidius Myriad X - MA2485
在電腦視覺以及深度神經網絡推理應用中,Intel的Myriad X第三代VPU具備了市場領先的效能。Myriad X VPU可提供每秒超過四萬億次運算 (TOPS)的整體效能。在此平台中,使用單個VPU,FaceMe®可處理每秒6-18幀的720p影像。VPU可透過多種方式安裝於工業電腦 (IPC)或是AI運算盒的主板中。除了內嵌到主板外,研華(Advantech)與威強電(IEI)等工業電腦大廠,亦提供同時搭載多個VPU的PCIe加速卡,提供更高的運算效能。

適用設備: 工業電腦 (IPC)
運算效能: 中高
建置費用:

3.1.2 於CPU/SoC中整合GPU/NPU/APU

於SoC中整合了CPU與專為AI運算的GPU/NPU/APU,提供更簡易與價格優惠的絕佳性價比解決方案,即使是用於輕量化的物聯網裝置,仍可輕鬆導入人臉辨識技術。

廠商/種類
產品型號
重點說明
NVIDIA SoC + GPU
Jetson Nano
NVIDIA於2019年所推出的Jetson Nano,特點為尺寸輕巧、低成本以及低功耗。可大幅減少開發商之硬體開發時間與成本,快速建置 PoC 專案以驗證可行性,加速 AI 技術落地的時程。

適用設備: AIoT 設備
運算效能: 中高
建置費用: 中低
NVIDIA SoC + GPU
Jetson Xavier NX
Xavier NX是採用Volta架構的最新款Jetson產品,在效能表現,功耗、尺寸以及價格之間取得完美的平衡,是中、小型工作站的最佳選項之一。

適用設備: AIoT 設備
運算效能:
建置費用:
NVIDIA SoC + GPU
Jetson AGX Xavier
AGX Xavier是NVIDIA最高規格的AIoT平台,藉由全新的Volta架構以及台積電12奈米的技術,提供絕佳的效能。其緊湊型的設計,低功耗的表現,且彈性化可支援絕大部分的功能,可讓開發人員編寫自定義代碼。Jetson適用於絕大多數的AI演算法,相當適合邊緣系統使用。

適用設備: AIoT 設備
運算效能: 非常高
建置費用:
Intel CPU
Atom x6000E
Intel®第11代處理器提供良好的運算效能,在工業,零售,銀行,醫療以及智慧城市等各種應用領域中,滿足即時運算的需求。透過Intel®新一代DL Boost的技術以及VNNI指令集,可在同一CPU上,可明顯將 AI 演算法提升兩倍以上的執行速度。

適用設備: AIoT 設備
運算效能: 可接受
建置費用: 中低
Intel CPU
Celeron
在Intel的產品列中,Celeron介於Atom以及Core處理器之間,廣泛使用於工業電腦中。在人臉辨識技術的執行上,相較於Atom,Celeron可提供更高反應速度的表現。

適用設備: AIoT 設備或工業電腦 (IPC)
運算效能:
建置費用:
Intel CPU
Core i3
在消費型個人電腦中,Core i3是Intel Core系列的入門款CPU,然而在工業電腦領域中,Core i3已足以滿足包含人臉辨識演算法等各項任務。Core系列的CPU中,均包含一個GPU (Intel HD Graphics),可同時處理多個H.264/AVC或H.265/HEVC編碼之視訊串流。舉例來說,在人臉辨識演算法處理1080p的視訊串流時時,Core i3可以每秒30幀左右的速度來進行,這也代表Core i3可以用每秒10幀的速度同時處理三個影像源的人臉辨識需求。此外,Core i3兼容Windows 以及Ubuntu作業系統,可輕鬆延伸開發各種應用,滿足各項任務與需求。

適用設備: AIoT 設備或PC
運算效能: 中高
建置費用: 中高
MediaTek SoC + APU
i350
聯發科i350是由14奈米先進製程所建構的Edge AI平台,專為視覺相關等主流AIoT應用所設計,包括人臉辨識,物體偵測,手勢與動作識別等。i350並包含APU (AI處理器) ,可加速執行各種AI電腦視覺演算法的運算需求,在各種應用領域中,提供優異的效能表現。此外,i350也可應用於門禁管制以及居家安控的設備中,同時維持低功耗的表現。FaceMe在整合聯發科 NeuroPilot 平台,支援聯發科i350及其 APU加速後,可執行人臉辨識達每秒8至18幀,其可滿足各樣 AIoT的應用情境。

適用設備: AIoT 設備
運算效能:
建置費用:
NXP SoC + NPU
i.MX8M Plus
i.MX8M Plus系列專注於機器學習、電腦視覺、多媒體與工業物聯網領域。從Plus系列開始,恩智浦在SoC中新增功能強大的NPU,大幅增強AI演算法的效能,滿足智慧家居,智慧建築,智慧城市以及工業4.0等多項應用。

適用設備: AIoT 設備
運算效能:
建置費用:
Qualcomm SoC + GPU
QCS610
QCS410
QCS603
APQ8053
透過Qualcomm AI引擎,可於低功耗的設備上,進行大量AI運算。Qualcomm AI引擎專為下一代智慧攝影機、智慧企業,智慧居家以及汽車物聯網等應用所設計,提供高效能低功耗的邊緣運算能力。

藉由Qualcomm® Neural Processing SDK軟體架構,可輕鬆優化人臉辨識以及其他AI相關應用,強化整體效能。

適用設備: AIoT 設備
運算效能:
建置費用: 中低
Broadcom SoC + GPU
BCM2711
BCM2711為Raspberry Pi 4中所使用的Broadcom晶片,其運算能力可以支援3 到5 fps的人臉辨識運算。BCM2711為相當經濟實惠的方案,可用於簡易的單張臉部認證的情境。

適用設備: AIoT 設備
運算效能: 適用於特定應用場景
建置費用: 中低
Rockchip SoC + GPU
RK3399 Pro
Rockchip 發布其第一款AI處理器RK3399Pro,其卓越的效能提供AI一站式的解決方案。

適用設備: AIoT 設備
運算效能:
建置費用: 中低
Google
SoC + GPU + TPU
Coral Edge TPU (SOM)
Coral SoM是一款基於Linux的集成系統,包含NXP的iMX8M的SoC,eMMC記憶體,LPDDR4 RAM,Wi-Fi,藍牙和協助機器學習加速的Edge TPU輔助處理器。Coral SoM也可運作在Debian Linux的衍生產品Mendel上。Edge TPU輔助處理器每秒可執行4萬億次運算(TOPS),每個TOPS僅需0.5瓦的功率(每瓦2 TOPS)。

適用設備: AIoT 設備
運算效能: 中高
建置費用:

3.2 作業系統

各種晶片均有其可以支援的作業系統 (OS)。一個好的臉部辨識引擎應需支援多種晶片與作業系統的組合。以FaceMe®為例,可相容於市面上絕大多數晶片與作業系統的組合,並可支援10種以上的作業系統與晶片的組合:

  • Windows
  • Android
  • iOS
  • 各種Linux 分支版本
    • Ubuntu x64,
    • Ubuntu ARM,
    • RedHat,
    • JetPack (mainly for NVIDIA Jetson family),
    • CentOS,
    • Yocto ARM

訊連科技FaceMe®可應用於多項領域中,針對不同的硬體配置 (如搭載的晶片以及作業系統),提供彈性且客製化的方案,滿足各種場域的應用需求。FaceMe®支援各種作業系統,適合多種跨平台的解決方案,開發人員可選擇在NVIDIA® CUDA™及Intel® Movidius™等硬體上啟用GPU/VPU加速,或針對採用NVIDIA Jetson™及ARM的IoT/AIoT設備上開啟效能優化。此外,FaceMe®亦支援OpenVINO™、TensorRT、 Qualcomm SNPE及MediaTek NeuroPilot等多種AI邏輯推理引擎。因此,無論是採用何種硬體配置或架構,FaceMe®皆可快速導入,加速深度學習演算法的運算速度。

3.3 透過系統架構優化實現最佳效能

在內建GPU (或是VPU)的高效能工作站或是PC上,執行人臉辨識技術絕非易事。於系統匯流排中,CPU、GPU以及記憶體之間有數十個影像串流不斷進行。若無法於系統架構層進行優化,即使是頂尖的人臉辨識演算法,也無法達到快速且精準的辨識率。因此,系統架構設計上,應要降低CPU、GPU以及記憶體之間的數據傳輸數量。

透過系統架構不斷地優化,FaceMe®可提供絕佳的辨識效能。舉例來說,在單一工作站上,FaceMe®搭配NVIDIA RTX A6000的晶片,可達到每秒處理256 - 416幀的效能 (實際數據會因不同的FaceMe®人臉辨識模型而有所差異),相當於每個工作站同時處理25 – 41路視訊串流 (假設每路視訊之辨識頻率為每秒10幀),為市場帶來絕佳的性價比人臉辨識解決方案。

3.4 輕量型的AI人臉辨識模型

人臉辨識的應用場景相當廣泛,像是某些僅需要正臉的應用場景,如智慧門鎖,僅需使用較輕量型的人臉辨識模型,即可在較低成本的設備上導入人臉辨識。FaceMe®提供以下三種模型滿足各種應用需求:

  • • 超高精準模型(UH, Ultra High Precision): 此方案可同時針對正臉證件照與大角度實境照的臉部相片,提供絕佳且精準的辨識率,因此,此方案需要搭配高效能運算能力的裝置或設備,如GPU、VPU或是高階的Intel CPU。
  • 較高精準模型(VH, Very High Precision): 此方案同樣可針對正臉相片與大角度實境照進行人臉辨識,其精準度僅略低於FaceMe超高精準模型,但所需的運算能力不需像超高模型的高端配置,可同時兼顧高精準度辨識率與價格實惠的應用需求。
  • 高精準模型(H, High Precision Model): 此方案適用於低成本且低運算能力的晶片,對於僅需要辨識相對正面的臉部相片,可提供高精準度的辨識率。

4. 邊緣設備人臉辨識: 本地裝置與工作站

FaceMe®為全球頂尖的AI臉部辨識引擎,可適用於各式硬體設備,實現彈性化的建置。FaceMe®可輕鬆部署在各類工作站,電腦,行動裝置與IoT設備中。相關案例如下:

人臉辨識於工作站的應用

以安控應用來說,於單一工作站上,可透過安裝單張或多張GPU卡,同時處理數十或數百路IP攝影機視訊串流。當應用於百貨公司,機場,工廠或是醫院等大型場域中,動輒需要處理數十、甚至數百個攝影機之視訊串流,來進行人員門禁監控、訪客行為分析、人群管理以及VIP客戶識別等需求。藉由一個或數個的工作站,連接所有場域內的攝影機來進行人臉辨識技術,可提供最簡易、可靠與經濟實惠的解決方案。

如需要了解更多關於FaceMe®於工作站的應用與優勢,請參考訊連科技與其策略夥伴VIVOTEK合作的人臉辨識安控解決方案。

人臉辨識於個人電腦的應用

於小規模的應用場域,如商店或是餐廳,可使用個人電腦來進行人臉辨識應用,如:進行VIP識別、員工出勤管理以及黑名單人員示警等功能。在疫情時代下,不論是員工或是客戶,確保所有進出建築物內的人員是否皆有配戴口罩,並且體溫是否在正常範圍內,已成為日常必備。為此,商店或餐廳的管理人員可於前、後門安裝IP相機或是USB相機,並連接到已安裝人臉辨識軟體的PC上,進行人員健康安控管理。訊連科技經濟實惠的FaceMe® Security即用型解決方案可滿足疫情時代需求。

人臉辨識於行動裝置上的應用

人臉辨識技術在行動裝置上早已不侷限於手機解鎖。在智慧金融科技的領域中,於手機上進行電子化了解您的客戶(eKYC)人臉辨識技術,可強化網路銀行、貸款申請、保險申辦等身分驗證準確度。

人臉辨識於智慧物聯網設備上的應用

邊緣運算的創新不僅提高設備效能,同時降低建置成本,開啟了人臉辨識在物聯網設備上的廣泛應用,智慧自助服務機(Smart Kiocks)則是指標性案例。對於經常旅行的人來說,對採用人臉辨識技術的全球通關(Global Entry)以及機場快速安檢(Clear)的設備肯定不陌生。目前,具備人臉辨識技術的智慧自助服務機也已廣泛應用在速食餐廳、醫療院所以及飯店旅館中。此外,自助入住報到設備也已導入大型連鎖旅館中,以節省排隊等候的時間。採用人臉辨識技術(如FaceMe®) 可為消費者帶來絕佳的使用者體驗,在整趟旅程中,僅需使用人臉即可取代以往的身分辨識方式。

5. 其他設計考量:安全性、加密技術與隱私維權

如前所述,雲端架構須擷取個人照片或影片,並透過網路串連至雲端伺服器進行運算,此過程無庸置疑地容易遭到攻擊與洩漏。相較於雲端架構,邊緣架構的人臉辨識安全性更高的多。架設於邊緣架構時,各種數據僅會以加密的臉部特徵值形式被儲存,且整個過程無須串連雲端,此舉可大幅減少風險。

所有FaceMe®的資料在使用AES-256位加儲密存到任何資料庫之前都是安全的。AES是最好的對稱加密算法之一,而256位是最高級別的安全性認證。由於臉部特徵值資料透過密鑰進行加密,並且分別儲存在原始資料與平台伺服器以外,受到完整保護,即使硬體裝置被破壞或盜取也無法讀取資料。

請務必注意,每個人必須選取任何一種指定的人臉辨識程序來綁定的臉部照片。在邊緣架構的解決方案中,被擷取的資訊包含臉部特徵值數據(透過高維度擷取),以供未來進行比對和識別使用。此特徵值不包含實際的人臉圖片、無法重構人臉,並且與所有可進行身份識別的個人訊息分開儲存。

擷取到用於人臉辨識的加密資料只能用於與儲存在安全資料庫中的已註冊特徵值建立匹配。 許多數據隱私法律和法規(例如GDPR,CCPA,BIPA和LGPD)都將生物識別數據視為個人訊息,因此,任何需要導入人臉辨識的企業,都必須徵得用戶的同意方能進行臉部綁定。

在評估臉部辨試供應商時,須特別注意他們的總部和關鍵設備的所在地。美國政府曾對總部設於中國和俄羅斯企業的監視技術表達過相當大的擔憂,因為它們可能沒有足夠的供應商可供選擇或甚至沒有保護個人數據的需求。大多數人臉辨識解決方案都是安全的、並有著相當嚴謹的數據和隱私保護標準。 但是作為終端用戶,您的服務供應商應該要讓您完全信任,尤其是在安全性,隱私權和人權保護方面。

6. 人臉辨識技術:樹立規範

當人臉辨識與生物識別技術逐漸發展與擴張,極有可能從根本上改變我們生活中的各種面向。儘管人臉辨識技術擁有極大的潛力,可用做改善公共安全、保護性和客戶體驗,然而,我們也不能忽視此技術造成的隱憂。近期發生許多與人臉辨識技術相關的公共安全案例,讓倡導團體重新省思人臉辨識,並對潛在的偏差和侵犯隱私行為提出了批評。

以美國來說,儘管目前沒有任何聯邦法規進行人臉辨識規範,但部分州已針對人臉辨識擬定法規程序。伊利諾伊州是第一個處理臉部的州,該州於2008年通過了《生物特徵信息保密法》(BIPA, Biometric Information Privacy Act),該法對私營企業如何收集和使用生物特徵資料(包括臉部資料)提供了嚴格的規定。 大約十年之後,2020年,加州消費者隱私法(CCPA, California Consumer Privacy Act)生效,賦予居民可訴諸的權利,以要求企業告知如何與蒐集哪些資料(包括生物識別數據),並保留可要求其刪除該數據的權利。華盛頓州還通過了一項法律,將於2021年生效,該法律要求所有政府機關(例如執法部門)須完全透明地使用該技術。

此外,儘管已出現關於聯邦法規的討論,甚至於2020年6月提出了《人臉辨識和生物識別技術中止法案》(Facial Recognition and Biometric Technology Moratorium Act),但至今尚未生效。

考慮到此點,訊連科技相當遵循道德規範,然而我們認為不應將人臉辨識技術完全拒於門外面,我們充分鼓勵立法單位制定保護個人的法規,同時冀望這項技術盡其所能更全面地提升社會的安全性和便利性。該領域的先驅更需以身作則,開誠布公地將該技術的運作方式,如何被應用以及如何保護個人隱私公開讓世人知曉。

7. 人臉辨識的實際應用

時至今日,人臉辨識因為其安全性、易用性及提升使用者客戶體驗,已於許多產業及場景落地 - 即便尚有許多待定義使用規範。美國行業安全協會(SIA, Security Industry Association)進行的一項最新調查發現,大多數美國人(68%)認為人臉辨識可以使社會更加安全,這項技術尤其在機場得到了支持(航空公司導入比例為75%;運輸安全管理局導入比例為69%),辦公大樓(70%)和銀行業(68%)。 雖然我們在前段概述中引用了許多案例,在接下來的章節我們將介紹更多應用案例,並重點說明每個案例的關鍵事項。

主要的成功案例可分為五大類別:

  1. 門禁管理,例如:人員進出管理,醫療智慧藥櫃,智能門鎖
  2. 監控安全系統,例如:於倉庫區域偵測是否有未授權人士
  3. 身分驗證,例如:使用BFSI(銀行,金融服務和保險)的主要應用eKYC (電子化認識你的客戶)
  4. 智慧零售,例如:蒐集來店客的統計數據
  5. 疫情期間的健康控管,例如:檢測口罩是否正確佩戴

FaceMe® Security在監控安全系統方面提供全方位的人臉辨識應用。



FaceMe® Health可輕鬆地部署在個人電腦上,透過USB連接熱感應攝影機以執行非接觸性的健康量測功能,確保辦公室,門市或餐廳的安全:



AI生物辨識技術,更驅動了特定垂直領域的相關應用,如:

製造業與倉儲管理

工業設備端、產線與倉庫通常須對員工與訪客進行嚴格出入監控,以及須對操作機器與設備的員工進行身份驗證,而人臉辨識提供了完善的解決方案。 此外,在疫情期間為配合新的社交距離規定,人臉辨識也可確保倉庫人員妥善配戴口罩。

使用人臉辨識技術進行醫院的人員控管

公共運輸與機場管理

人臉辨識的應用已漸漸出現在機場和車站,從互動式服務機(例如:快速通關系統和全球入境計畫)到自動登機系統以及安全監控等。在COVID-19的疫情影響下,在這些經常有大批人潮通過的交通樞紐中,加劇了維持安全和健康環境的挑戰。而人臉辨識可以幫助應對這些挑戰,實現非接觸式登機和健康量測、監控旅客是否正確配戴口罩,並確保沒有發燒的乘客才能登機、搭乘火車與公共汽車,降低感染周圍其他人的風險。

於機場使用人臉辨識技術

智慧辦公室、智慧居家、綜合住宅區、醫療機構,大專院校

智慧城市的創新(包括智慧辦公室,智慧居家和住商大樓)正在迅速發展,而門禁管理、安全和健康監控系統的需求也同時大幅增加,包含學校和醫院,須藉由人力維護安全性往往相當昂貴。透過人臉辨識,許多進出管理與監控的工作可以邁向自動化,使之變得更加安全。

使用人臉辨識進行智慧辦公室門禁

智慧零售

人臉辨識技術創新了零售市場,並提供全新、引人注目的客戶體驗,這項技術不僅提供精確的人流統計資訊,更可於數位電子看板進行分眾式廣告、辨別VIP客戶,同時蒐集訪客的年齡、性別組合、情緒狀態、在特定區域停留的時間等數據。

於電子看板針對年齡、性別投放分眾廣告

智慧金融與銀行

使用eKYC(電子認識您的客戶)是近年來金融領域的熱門技術,可強化身分認證及防止欺詐。人臉辨識為線上和實體銀行的eKYC提供了完美的解決方案,包括在ATM上進行用戶的身份驗證,申請貸款或保險人的身份認證以保護線上交易的安全。人臉辨識還能在黑名單進入銀行前或是犯罪前,向保全人員發出警告,從而大幅增強了銀行機構的人身安全。

於ATM自動提款機進行臉部驗證

智慧餐飲與飯店管理:餐廳、酒吧、飯店

對於飯店運營商而言,人臉辨識擁有極佳的優勢,可提供即時的客製化體驗。當VIP走進飯店時,櫃台接待人員會自動收到通知,此外,人臉辨識可以管控客戶進出特定區域的權限,讓客戶選擇正確的電梯與樓層並解鎖指定房門。

速食店也大量投資自助點餐機、數位化電子看板、路邊取餐機與得來速等設備,而集點回饋活動已完全整合於這些系統中,通常是透過手機應用程式輸入密碼和幾個步驟來執行,若速食業者導入人臉辨識,可有效簡化以往繁複的集點活動流程,提升互動體驗,從而提升速食店的服務品質。

使用AI人臉辨識的自助式點餐機

人臉辨識的未來展望 – 最具市場潛力的人工智慧生物辨識技術

人臉辨識技術的出現將使我們的世界變得更美好,但要做到這一點,於商業及公領域應用上需有更廣泛、嚴謹的道德規範,讓世界各地的個人可以撇除疑慮,接納使用這種新興的人工智慧生物辨識技術做為新的安全標準。

人臉辨識極具潛力,企業可透過此技術進行辦公場所的安控來保障員工安全、零售商可在商店中使用此技術強化客戶體驗、製造業可使用此技術來強化進入限制區域的人員控管,而金融科技產業則可使用此技術引進更強大、安全的認證機制。在可期的未來,人臉辨識在許多應用領域極具潛力。

人臉辨識是人工智慧生物辨識技術的未來,然而伴之而來的,廠商也須謹慎運用此技術,並透過適當的監管規範、使用者教育來消弭對人臉辨識相關的疑慮。在不妨礙創新的前提之下,讓消費者可以體驗、接受人臉辨識的優點,進而採用。

延伸閱讀

想更深入了解更多臉部辨識的應用趨勢?歡迎閱讀人臉辨識2021應用趨勢分析,了解人臉辨識於各種垂直領域及行業的相關應用。

與業務團隊
進一步聯繫

進一步了解FaceMe®

我們專業團隊很樂意回答您的問題並安排DEMO。對聯繫客戶也可提供免費試用版本。

請填寫您的資訊,我們將盡快與您聯繫!

訂閱FaceMe®電子報