如何選擇人臉辨識系統?七大關鍵重點深入解析!
FaceMe®
< All Articles

如何選擇人臉辨識系統?七大關鍵重點深入解析!

2021/08/26

人臉辨識的應用在我們日常生活中迅速地普及化。從大家手上的行動裝置到智慧健康偵測站,消費者和人臉辨識技術的互動越來越頻繁。隨著 AI 技術的各種快速突破讓這項技術越來越成熟,衍伸出的使用案例也不斷擴展。您可能會發現自己也正在探索人臉辨識解決方案如何應用在您的所屬領域。

在選擇人臉辨識解決方案時,需要考量許多因素。雖然人臉辨識的部署方式多元;但不論其部署方式為何,成功的因素通常是相同的。以下我們將與您分享如何確保人臉辨識解決方案能夠成功執行。

炙手可熱的人臉辨識

近年來生物辨識模型,尤其是人臉辨識,極大地受益於人工智慧 (AI) 的科學進步,除了大幅提高準確度,也解決了因為膚色、年齡、性別、種族,甚至光線不足等因素所造成的偏差。邊緣型硬體在功耗、成本和尺寸方面的顯著改善也讓人臉辨識技術得以應用在更廣泛的案例上,橫跨了多種產業和各種規模的客戶群。隨著各家紛紛推出自己的人臉辨識解決方案,現在的問題早已不是:「人臉辨識可以應用在何種情境?」而是「什麼樣的人臉辨識解決方案,最適合您的使用案例?」

人臉辨識的最新突破和未來展望

人臉辨識在技術上的進展和產品化,推動了整個科技產業的各種豐富創新。在過去幾年這樣的趨勢不減反增,且不斷地加速發展。

效能提升

人臉辨識軟體和可用硬體的發展,也提升了目前人臉辨識引擎的執行速度和功率。如今可同時偵測並辨識數十張甚至數百張臉孔的人臉辨識,已經成為多人同時進出的大型公共場所(例如賣場、百貨公司、機場和醫院)的重要維安設備。

成本和電力需求降低

隨著人臉辨識技術的不斷創新和完善,購入和部署成本也大幅地下降。多虧市場上提供了為各種特定用例量身打造的軟硬體搭售產品,讓對人臉辨識感興趣的企業和個人多了許多選擇。同樣地,隨著技術的進步,執行所需的電力需求也減少了,讓人臉辨識可運行於更多元的環境並降低經常性成本。

體積更小

執行人臉辨識所需的硬體元件不僅在效能上顯著提升,它們的外型也不斷縮小,突破了重要的尺寸限制。現在人臉辨識解決方案可以整合到電子門鎖這種小型裝置。

公共衛生輔助整合

由於 COVID-19 疫情,效能更好的人臉辨識也應用在例如口罩偵測和監測社交距離的功能。

最新使用案例分享:

觀看 Health Add-On 介紹影片:

人臉辨識的各種使用案例

人臉辨識技術的效能提升和可負擔的價格提高了它的應用性,並讓相關的使用用例大幅增長。在效能已經過驗證且價值受到肯定的領域中,我們可以看到人臉辨識的採用快速增加。從一開始的 iPhone Face ID,到如今機場、車站,以及體育館和演唱會場地都會看到的臉部辨識閘門。

安全和門禁管理

作為市面上最準確、最安全的生物辨識技術,人臉辨識已成為一項重要的門禁管理工具,用於保護辦公室、醫院、銀行、倉庫、智慧住家等安全空間。和使用鑰匙卡或密碼進入管制區域的傳統方式相比,人臉辨識更具優勢,因為排除了卡片遺失、被偷的風險。

強化使用者體驗和個人化

零售業和餐旅業是最早採用人臉辨識的產業之一,他們使用。在導入人臉辨識的飯店中,賓客無需使用傳統的電子感應卡就能進入客房和使用其他飯店設施,員工只需從配有人臉辨識攝影機的門進出設施,即可輕鬆完成上下班打卡。在零售環境中,商店可以主動監控任何被列入黑名單的人員或偷竊慣犯,同時為會員提供整合式的忠誠會員獎勵體驗,顧客無需在收銀台口頭告知電話號碼或電子郵件等個人資訊。同樣地,隨著人臉辨識技術的普及,個人化的數位電子看板和行銷機會也不斷地出現。

身份驗證

銀行、金融服務和保險 (BFSI) 部門也同樣開始將人臉辨識整合到線上入口網站、手機 App 和銀行自助服務機台,以便在驗證交易和使用其他帳戶服務前為客戶提供更高層級的安全性。人臉辨識提供的高準確度和安全性,再結合能夠驗證照片證件(例如駕照或護照)的技術,讓銀行或金融服務人員得以立即驗證客戶的身份。此外,客戶還可以使用自助服務機,甚至在家透過行動裝置自行驗證身份。和人工驗證身份的傳統檢查相比(例如要求出示駕照、身份證字號或確認許多很容易被迴避的安全問題),導入人臉辨識的好處顯而易見。即使是目前經常用於驗證線上客戶身份的雙重身份驗證措施(例如 Captcha 人機驗證、動態簡訊密碼或身份驗證器 App),也完全比不上人臉辨識所提供的準確度和流暢體驗。

人臉辨識的各種使用案例各有其需求和限制,也因此帶出了文章開頭所提出的問題:「哪一款人臉辨識解決方案最能符合您的需求?」這個問題沒有唯一正解,而是根據不同使用案例會有不同的答案。接下來我們將與您分享選擇人臉辨識解決方案的幾個原則,協助您找到合適的答案。

人臉辨識的三種設定

簡單來說,人臉辨識的運作方式通常是以下三種模式:

邊緣型 / 單一位置
這種模式是假定有一個本地伺服器或資料庫(不在雲端),人臉辨識系統會與它通訊以驗證身份。邊緣型操作讓人臉辨識的執行過程更快速、安全,因為系統不必與雲端或任何外部設備通訊。這種模式通常由小型企業或是規模非常龐大的企業體系採用,用於建立高度安全的封閉迴路系統並保護高價值資產,例如銀行金庫。
邊緣型 / 多個位置
人臉辨識系統也可以在邊緣運作時,同時與中央雲端伺服器通訊。這樣的工作流程能夠最佳化執行速度,因為系統覆蓋了多個位置,並結合雲端伺服器。
雲端型工作流程
雲端型的模型需要人臉辨識引擎與雲端進行通訊以驗證身份。這會逐漸降低處理速度和安全性,因為系統被迫不斷地將數據來回發送到雲端。

主要元件

可操作的人臉辨識系統是由以下元件組成:

  • 邊緣運算裝置
    • 電腦、專業工作站、行動裝置或 IoT(物聯網)連接裝置
  • 晶片
    • 中央處理器(CPU)、圖形處理器(GPU)、視覺處理器(VPU)或晶片組合。
  • 攝影機
    • 網路攝影機、網路監控攝影機、2D 或 3D 攝影機。
  • 伺服器
    • 邊緣或雲端。
  • 週邊設備和連接系統
    • 週邊設備和連接系統。
  • 人臉辨識引擎和軟體
    • 人臉辨識引擎和軟體。

決策樹 – 幫您找到最合適的人臉辨識解決方案

要為您的獨特使用情境打造最佳人臉辨識解決方案,您需要考慮以下關鍵因素:

  1. 使用案例 – 執行人臉辨識的主要工作目的是什麼?
  2. 需求和限制 – 需要哪些特性?需要辨識人員是否佩戴口罩?即時活體偵測?有哪些限制?必須安裝在攝影機內嗎?
  3. 內部專業知識 – 您是否有足夠的知識/技能,能在人臉辨識系統的整個使用過程中對其進行設定和管理?

預先定義這些因素並建立起決策樹非常重要,這將有助於瀏覽下面介紹的 7 個關鍵因素。預先解決最關鍵的層面,可以幫您過濾掉不相關的選擇,將焦點放在重要的選項上。

  • 舉例來說,如果使用案例是透過人臉辨識啟用的智慧門鎖來取代傳統的家庭門鎖,那麼外形限制(尺寸、形狀)就是決策重點,因此要著重在小型的 IoT 硬件選項,且具備低成本元件和低功耗的特色。另一方面,解決方案的可擴展性、彈性和效能這部分的限制考量比較少。

明確定義的決策樹還有助於整理決策之間的依賴關係:

  • 例如,如果解決方案需要使用低功耗的手持裝置和支援行動數據,而且初步成本必須低於 500 美元,那麼這款解決方案極有可能需要在 Android 手機或平板上面運作。透過篩選每個條件需求,可以排除不符合要求的選項。

選擇人臉辨識解決方案的 7 個關鍵因素

1. 精確度/準確度

在考慮人臉辨識的準確度時,需要考慮以下幾個層面:

  • 軟體執行時的準確度會受到模型大小、所用晶片和攝影機的影響。訊連科技的 FaceMe® 模型是專為 4 Mb 或 300 Mb 的資料庫所設計,並針對低功耗晶片組進行了最佳化,以實現最大的使用彈性和廣泛的應用。
  • 演算法本身的準確度是由美國國家標準暨技術研究院的 FRVT 測試評定。在最新的 FRVT 1:N 身份識別報告中,FaceMe® 在對 160 萬張 Visa 和網路攝影機影像的資料庫進行身份識別時,準確度高達 98.11%,在全球所有測試供應商中排名全球第九,並且在排除來自中國和俄羅斯的供應商時,位居第三。

當準確度成為決定性因素:

準確度一直是人臉辨識系統成功的關鍵因素,因此建議營運商考慮來自供應商的解決方案,因為供應商定期更新的演算法不僅經過審查,且在 FRVT 等行業測試中擁有高排名。若要使用人臉辨識進出安全設施、存取高度機密資料、受控或危險物質,以及其他高度管制的有形或無形資產的情況下,準確度可能是最關鍵的因素。當然,最準確的演算法即使本身價格不昂貴,也需要額外的儲存和處理能力,這些都會顯著地增加部署人臉辨識的總成本,這部分我們將稍後討論。

我們常見的一些人臉辨識使用案例如果都使用市面上最精確的模型,這在經濟上可能缺乏可行性。其他限制條件,例如外形、尺寸、重量或電力要求,可能也會強制排除掉最準確的模型。實務上,大部分的使用案例都不必用到 99% 甚至更高的準確度。市場上最出色的供應商也提供了可以滿足所有限制,又不會損失超過 1% 或 2% 準確度的模型。

以下某些情境對準確度的依賴度較低,但仍建議使用效能高於 95% 的解決方案。

使用案例:

  • 準確度相依性高:
    • 存取銀行服務的安全性 – 將人臉辨識用於保護重要金融資產,高準確度是成功執行的一個關鍵因素。
  • 準確度相依性低:
    • 體育館的旋轉門 – 需要適度的準確度,這樣人們在被準確辨識之前不必進行多次嘗試,但成功的實施最終依賴於人流的順暢,主要依賴可靠的硬件和沒有「誤判」(在這個例子中,誤判表示讓未經註冊和授權的人進入場所,因為系統將他們錯認為已註冊的人)。

不同層級:

  • 準確度相依性高:
    • 大型智慧工廠 – 將人臉辨識用於保護內部的機器和人員,責任很重大,因此依賴高準確度。
  • 準確度相依性低:
    • 智慧住家 - 訪客數量較少,行為不良者的誘因也比較少,因此在應用上不太依賴於最大限度的準確度。反觀成本、外形和是否易於部署可能會優先納入考慮,例如智慧門鎖。

部署規模:

  • 準確度相依性高:
    • 大型百貨商店 – 可能與全國的 VIP/忠誠客戶或黑名單人員資料庫進行比較,人臉辨識系統的成功取決於眾多商店的高準確度辨識。
  • 準確度相依性低:
    • 本地商店 – 由於顧客數量較少,而且可能需要對照的資料庫也較小,因此準確度不是一個主要決定因素。

2. 功能

  • 人臉辨識

    • 人臉偵測
    • 人臉特徵值擷取
    • 人臉搜尋
    • 人臉比對與匹配
  • 人臉屬性

    • 性別
    • 年齡
    • 情緒
    • 頭部動作
  • 影像強化技術

    • 使用2D相機進行活體辨識
    • 使用3D景深相機進行活體辨識
    • TrueTheater 影像優化技術
  • 口罩辨識

    • 口罩偵測
    • 配戴口罩下的人臉辨識-正確辨識率高達98.21%

每個人臉辨識解決方案都提供特定的功能。而任何解決方案都應具備的三個基本功能包括:

  • 臉部偵測
    臉部偵測是辨識人臉的第一步。人臉辨識技術會掃描整個影像,查看是否有任何區域包含完整或部分的人臉。快速又準確的臉部偵測是確保整個人臉辨識過程效能的首要關鍵。訊連科技 FaceMe® 可以一次偵測多張臉孔、計算目前有幾張臉孔,以及逐一對這些臉孔進行偵測。
  • 臉部辨識
    在偵測到人臉後,軟體會查看特定臉部特徵周圍的獨特資訊。然後將這項資訊模版與資料庫中預先登記的資訊模板進行匹配,並配對人員的正確身份(如果資料庫中包含該人員的資訊)。由於有時將人臉辨識和個人隱私連結會引發爭議,因此我們強烈建議您選擇使用了高標準加密機制的供應商,這樣任何未經授權的人都無法使用模板資料。使用高度加密的模板時,不需要在平台上儲存實際的人臉圖片,可充分確保隱私。
  • 臉部屬性偵測
    臉部屬性偵測會辨識和分析年齡、性別、臉部表情和頭部方向或動作(例如點頭、搖晃)等特徵。這項功能是推動智慧零售和數位電子看板的關鍵因素,應用方式包括向小型的目標受眾傳送動態的個人化廣告和訊息,或是蒐集訪客詳細的統計數據。

FaceMe® 人臉辨識解決方案還包括了增強功能,例如:

  • 影像增強
    此過程可強化因光線不足或攝影機品質不佳的情況下所擷取的影像品質,並在處理這類資訊時達到高準確度。
  • 防偽辨識
    防偽辨識可以使用 2D 或 3D 攝影機進行活體偵測。使用 2D 攝影機(例如 USB 網路攝影機)時,可透過互動式和非互動式的措施逮住欺騙者。互動式措施會偵測自然和精準的頭部或臉部動作,以確認對象是真人。非互動式措施則依每個解決方案提供商及其使用的 AI 演算法有所不同。

    3D 攝影機可以執行深度偵測,做到幾乎瞬間的的防偽辨識,不需要互動式偵測或辨識措施。3D 攝影機通常可以提供更好的體驗,但成本也更高,相較 2D 攝影機可以用較少的成本提供準確的防偽辨識。
  • 口罩偵測以及配戴口罩時的人臉辨識
    專為公共安全和健康應用設計的口罩偵測功能不僅可以偵測人員是否配戴口罩,還能驗證對象是否將口罩正確地遮住鼻子和嘴巴。像 FaceMe® 這種進階的選擇方案即使在人員配戴口罩的情況下,也能實現高準確度的人臉辨識。

當功能成為決定性因素:

使用案例:

  • 功能相依性高:
    安全倉庫的存取控制 – 防偽辨識會是一個重要的功能,因為必須確保惡意人士無法使用核准人員的照片或影片騙過安全辨識系統。
  • 功能相依性低:
    在零售環境中辨識忠誠度方案的會員 – 在這種情況下,防偽辨識功能的重要性較低,因為不太可能有人嘗試在這種情境下進行身份詐欺。

不同層級:

  • 功能相依性高:
    智慧城市 – 口罩偵測功能對智慧城市的公共衛生和安全部署來說很重要,尤其考量到目前疫情仍未平息。
  • 功能相依性低:
    智慧居家 – 對於智慧居家來說,口罩偵測的功能就派不上用場了,因為大家在自己家中不會也不需要戴口罩。

部署規模:

  • 功能相依性高:
    購物中心 – 具有同時掃描多張人臉的功能對購物中心部署人臉辨識來說可能非常重要,因為需要在大量人群中尋找潛在的黑名單人員。
  • 功能相依性低:
    獨立零售店的員工入口 – 在獨立零售店的員工入口處,使用人臉辨識系統進行身份驗證和上下班打卡。這種情況下可能只需要在員工進入時一次只掃描一個人,不需要同時掃描多張臉孔。

3. 效能

和準確度一樣,許多元件都會影響人臉辨識系統的效能:

  • 每秒幀數/ FPS
    這是測量攝影機每秒拍攝的照片數量,然後與人臉辨識系統進行通訊以進行處理。FPS 越高,則準確度和效能也越高。
  • 偵測速度
    偵測速度是指:從系統掃描並偵測空間中的人臉特徵,到辨識出存在人臉所需的時間。
  • 擷取速度
    擷取速度是指人臉辨識系統擷取用於辨識的臉部資訊時所需的時間。
  • 辨識速度
    最後,辨識速度測量系統處理擷取資訊並傳送辨識結果所需的時間。

為何效能很重要:

效能可能是多數使用案例中都相當重視的關鍵因素。舉例來說,在大型場所中的人臉辨識通常需要同時處理數百個視訊頻道。若選擇可提供高效能人臉辨識模型的供應商,可以顯著減少用於監控這類場所的昂貴工作站數量。

邊緣型 vs 雲端型架構下的效能:

邊緣型系統雖然沒有雲端型處理器本生擁有的效能優勢,但通常可以提供更快的人臉辨識速度,這是因為將圖片或影片傳送到雲端進行處理會延長回應時間,時間可能從幾毫秒增加到幾秒。

最佳效能指標:

最佳化晶片組

  • 效能部分可以透過選擇不同的晶片組來進行優化。使用如 NVIDIA T4 的獨立 GPU 或 VPU 晶片組,並搭載獨立 CPU 可以有效地提升效能。
  • GPU 加速則有許多不同的選擇。OpenVINO、NVIDIA CUDA/TensorRT、Intel Movidius、NVIDIA Jetson、Qualcomm SNPE、MediaTek NeuroPilot 等等可以加速深度學習演算法,並進一步優化效能。

最佳化軟體:

  • 每款人臉辨識軟體都是獨一無二的,並且針對不同的晶片組和系統架構進行不同層級的優化。舉例來說,FaceMe® 經過多次的系統架構優化,可確保達到最佳效能。在單一工作站上,搭載了 NVIDIA RTX A6000 的 FaceMe® 每秒可以處理 340-410 個畫格(確切數據取決於所使用的 FaceMe® 人臉辨識模型)。這相當於每個工作站同時處理 25-41 個視訊頻道(10 fps/秒)– 非常適合有高效能需求的用戶。

當效能成為決定性因素:

使用案例:

  • 效能相依性高:
    機場 – 在機場這樣擁擠的公共場所,人臉辨識系統需要同時掃描空間內數十張甚至上百張臉,以觀察是否有黑名單人員,或者旅客是否有正確配戴口罩。這種需要同時處理大量資料的情況如果沒有頂尖人臉辨識解決方案的效能優勢,很容易導致需要成本高昂的專用硬體來支援。
  • 效能相依性低:
    圖書館 – 理論上來說,在圖書館環境中部署人臉辨識通常是用於人員借書時刷臉驗證身份,因此在解決方案的選擇上比較不受效能的限制,畢竟系統每次需要處理的資訊較少。

不同層級:

  • 效能相依性高:
    倉庫/物流 – 屬於一次會出現多個人員的大型場所,並且有多個攝影機資料會傳送到人臉辨識系統。在這種情況下,效能是一個關鍵的決定因素。
  • 效能相依性低:
    小型辦公室的門禁管理 – 在為小型辦公室的每個進出口選擇人臉辨識時,通常較不受限於效能因素,因為一次需要處理的人臉資訊不會太多。

部署規模:

  • 效能相依性高:
    具有多個視訊資料的大型場所 – 額外的視訊資料會為人臉辨識系統的處理時間和效能帶來壓力。若要順利執行,建議使用較高效能的晶片組和軟體。
  • 效能相依性低:
    在入口處配有一個視訊資料的小型場所 – 一個視訊資料系統不會對系統的效能造成壓力。因此在這種情況下,效能不太可能成為選擇系統元件時的首要考慮因素。

4. 邊緣 vs 雲端:

邊緣 vs 雲端架構的選擇會影響人臉辨識系統的整體安全性和效能,而且對於那些追求最快執行速度的營運商來說,可能是很重要的考量因素。邊緣型系統具備較快的執行速度,因為系統不必來回發送資訊到雲端(這個過程有可能會增加幾秒鐘的上傳傳輸時間)。

邊緣型系統所具備的幾個額外優勢使其成為了更受歡迎的選擇:

  • 安全性 – 邊緣型系統不需要將具有安全性弱點的資訊發送到雲端,排除資料可能被攔截的風險。
  • 彈性 – 邊緣型系統不需要連線到雲端,因此在安裝設定和使用案例上有更大的彈性。

但是如果使用案例具有以下特性,雲端型架構會是更好的選擇:

  • 使用頻率低 – 例如用於保護不經常有人進出的設施場所。
  • 可接受較低準確度 – 例如用於零售環境中的會員忠誠度計劃等低風險部署。
  • 有一定的硬體成本限制 - 在現有硬體無法更換,因此必須依賴雲端基礎架構的情況下。

5. 裝置和硬體支援

在選擇人臉辨識系統時,硬體環境有時候會成為限制因素。以下是需要考慮的事項:

作業系統支援

Windows 和 Android 是人臉辨識軟體中最常見的支援操作系統。好的解決方案會支援多元的作業系統,例如 iOS、Linux、Jetson 等等。舉例來說,FaceMe® 提供市面上最全面性的支援,多達 10 種作業系統:Windows、Android、iOS、Linux 的多種變化、Ubuntu x64、Ubuntu ARM、RedHat、JetPack(主要是 NVIDIA Jetson 系列)、CentOS、Yocto ARM。

另外 iOS 和 Android 系統在處理能力方面也比 Windows 或 Linux 有較多的限制。

大型設施,例如擁有各種安全系統和 IoT 基礎設施的石油化工廠,可能會在系統中運行多個作業系統。在這種情況下,必須考慮可交互支援多種作業系統的解決方案。

當裝置 & 作業系統支援成為決定性因素:

使用案例:

  • 裝置 & 作業系統支援的相依性高:
    大型銀行 – 在此使用案例中,大型銀行可能執行多個視訊資料,並需要高準確度的人臉辨識才能保護內部的財務資產,因此需要考慮可支援更高效能作業系統的硬體。Windows 或 Linux 和 iOS 或 Android 相比,可能更適合這種使用需求。
  • 裝置 & 作業系統支援的相依性低:
    智慧居家 – 在個人使用的智慧居家應用中,對效能和準確度的要求比較低。因此硬體的成本、尺寸和便利性會是比較關鍵的決定性因素。

不同層級:

  • 裝置 & 作業系統支援的相依性高:
    智慧大學校園 – 運作於整個大學校園內的人臉辨識系統可能需要高效能、中等偏高的準確度,並且要能夠支持多種作業系統,以便與校園內的其他傳統系統整合。
  • 裝置 & 作業系統支援的相依性低:
    智慧辦公室 – 在首次整合人臉辨識系統的單一辦公室中,因為沒有任何固有系統,也不要求極高的準確度和效能,因此硬體不會是主要的限制因素。

部署規模:

  • 裝置 & 作業系統支援的相依性高:
    傳統醫院環境 – 在這種環境下,由於有多個建築物和安全系統,而且各自使用不同的作業系統,因此是否能夠交互支援不同的作業系統將會是部署人臉辨識的一個重要考慮因素。
  • 裝置 & 作業系統支援的相依性低:
    醫生個人診所 – 在使用單一作業系統的單一建築物環境下,在硬體上會有較多的彈性。

硬體支援

多虧了快速發展和不斷創新的硬體與晶片組技術,市面上有越來越多的選擇可以突破速度、功率、外形和成本限制,繼而推動了許多以前無法想像的使用案例。

執行人臉辨識的硬體選擇

  • 個人電腦:
    個人電腦是許多小型營運商或單一使用案例中最常見的人臉辨識裝置。例如一家商店或餐廳想要將人臉辨識用於辨識 VIP 顧客、自動記錄員工上下班打卡,或想要在發現黑名單人員時,第一時間收到系統傳送的通知。
  • 工作站:
    對於希望將人臉辨識用於大型場所的安全監控和門禁管理的組織來說,由於需要控制數十或數百個視訊頻道,因此如果使用一個或多個配有高階 GPU 的工作站會比較合適,因為它們能夠同時處理多個來自網路監控攝影機的視訊資料。
  • 伺服器:
    適用伺服器的情境包括:有許多視訊資料流和照片,或是有來自手機等獨立裝置的視訊資料,以及在仍然使用雲端的情況下需要快速且有效的處理資料。
  • 資訊站(Kiosk)& 智慧 AIoT 裝置:
    邊緣計算技術的快速創新,在降低成本的同時也不斷地提高其效能,整合了人臉辨識的 IoT 裝置衍生了許多使用案例。例如:經常出國的旅客應該很熟悉整合人臉辨識的全球入境自助服務站和臉部辨識閘門。如今整合人臉辨識的智慧資訊服務站已用於速食餐廳、醫院和飯店業。而 AIoT 裝置也可能搭載了小型電腦,例如 NVIDIA Jetson、Android 主板,或將處理單元和儲存單位整合到裝置的電子板中。

執行人臉辨識的晶片組選擇

CPU
通常是比較簡單、便宜的選擇。
GPU
通常價格比較高,效能也比較好。
VPU
通常價格比較高,效能也比較好。
Combo
不同晶片組的組合,專為功能完整且價格合理的解決方案量身打造。

當硬體支援成為決定性因素:

使用案例:

  • 使用案例:
    大學校園的健康和安全控制台 – 監控整個校園安全並可能用於疫情期間的口罩偵測等使用情況,由於需要整合數百個攝影機,可能需要使用功能較強大的硬體條件。這種情況可以考慮工作站或伺服器。
  • 硬體相依性低:
    公寓大樓的智慧門鎖 – 整合人臉辨識的公寓門鎖在硬體的選擇上比較重視尺寸,對效能的要求較少。

不同層級:

  • 硬體相依性高:
    醫院用於維護安全、存取管理和健康監控的人臉辨識系統 – 需要處理許多視訊資料以同時確認身份和口罩配戴。這種應用類型可能需要使用功能強大的硬體,例如工作站。
  • 硬體相依性低:
    個別零售商店 – 這種較小規模的應用情境處理的視訊資料較少,對於效能的要求也比較低。因此在選擇硬體時,重點會放在成本和便利性上。此時個人電腦會是比較合適的選擇。

部署規模:

  • 硬體相依性高:
    監控全國性的大型零售連鎖店 – 需從每家商店的網路監控攝影機蒐集數百個視訊資料和照片,這種大規模應用場景可能需要依賴混合模型,即在每家商店配有高效能工作站來執行人臉偵測和擷取,再結合位於中央的高效能伺服器,將每個位置傳送的擷取臉部模板與中央資料庫進行匹配。
  • 硬體相依性低:
    單一飯店的監控 – 規模較小,在單一飯店中執行人臉辨識安全系統對效能的壓力較小,適合使用高效能個人電腦或單一工作站。

6. 軟體和開發套件 (SDK) 的彈性

人臉辨識軟體是實際負責處理擷取自視訊資料的資訊,以及確定匹配或偵測臉部的程式。人臉辨識系統的軟體組件包含了以下形式:

  • 隨插即用軟體
    人臉辨識解決方案在過去主要都以軟體開發套件(SDK)的形式呈現。它們在設計上通常較有彈性,可以根據各種需求來定制合適的解決方案,不過需要大量的程式設計和整合工作。這正是為何隨插即用軟體很適合定義明確的使用案例以及快節奏的使用需求。FaceMe® Security的隨插即用人臉辨識安全軟體,已經事先經過預先設置,以便最佳地適應典型的安全用例,例如權限控制和監控。隨插即用的解決方案已經內建方便客戶部署的軟體基礎設施。這樣的產品具有高度擴展性,並且可以用於單一攝影機、多攝影機、多位置部署等情境。它們通常可以與固有的攝影機和網路連線。最佳的解決方案可以輕鬆地和其他類型的系統連線,例如顧客管理系統、門鎖、上下班打卡、出勤記錄等等。
  • 軟體開發套件 (SDK)
    SDK 極具彈性,對於有獨特使用案例的企業來說,如果想要完全掌握在軟體基礎架構中所建構的人臉辨識演算法,SDK 會是最適合的選擇。需要注意的是,為了有效地部署 SDK,您需要更強大的內部計算能力或 IT 人才,以便將 SDK 整合到您現有的軟體基礎架構中。SDK 讓組織得以導入人臉辨識來改變目前的工作流程。

當軟體形式成為決定性因素:

使用案例:

  • 軟體相依性高:
    在醫院環境中為患者管理和訪問控制整合了人臉辨識技術 – 在這種使用案例中,醫院依賴於一系列獨特設計的流程和系統,通常每個流程和系統都在自己的平台上運作,因此 SDK 會是在使用上更加靈活的軟體形式。
  • 軟體相依性低:
    將人臉辨識技術導入零售店或標準化商店以用於安全和門禁管理– 無論是現有的攝影機安全系統,還是連線到攝影機的視頻管理系統 (VMS), 這樣的隨插即用解決方案所需的部署時間最少、具有成本效益,而且幾乎不需要維護。

不同層級:

  • 軟體相依性高:
    金融服務的存取控管 – 如果零售銀行想要將使用讀卡機登入的機制改為人臉辨識,他們可能需要確保人臉辨識技術可與現有系統和企業基礎設施整合。在這種使用案例中,SDK 會是比較合適的選擇。
  • 軟體相依性低:
    辦公樓的安全和進出控管 – 通常辦公場所都有類似的需求:安全監控、員工和訪客權限管理,以及通報阻擋人員。大型辦公室通常已經配有結合安全攝影機和門禁管理的 VMS 系統,這些系統可以輕鬆地和 FaceMe® Security 這種隨插即用的解決方案連線整合。至於沒有 VMS 的場所,FaceMe® Security 在最近也推出了 Monitor Add-On 選項,提供類似 VMS 系統的即時監控和警告顯示。

部署規模:

在大部分的情況下,裝置的大小並不是隨插即用解決方案在使用上的障礙,不過前提是您要處理的是相對標準的功能或使用案例。一款好的軟體解決方案不應該因為裝置的尺寸大小而受限。可客製的獨特解決方案整合性 SDK,通常在整合上的價格昂貴,而且通常用於大型的組織。然而,隨著硬體成本的快速下降,以及晶片組效能的快速提升,人臉辨識 SDK 現在可以用合理的費用進入大眾市場的 AIoT 產品中,有時零售價格甚至低於 100 美元。

7. 擁有成本

在整合人臉辨識技術之前,必須先考慮擁有完整人臉辨識系統所需付出的整體成本。以下是一些必須考量的關鍵部分:

  • 初期成本
    初期成本包括您一開始設計和整合人臉辨識系統時的一次性費用和投資。其中可能包含:研究、硬體、軟體、整合、培訓、初期的資料建立,以及改造原有的傳統設備所需的費用。
  • 經常性(可變)成本
    在人臉辨識的整個生命週期中,經常性成本會持續發生。它們可能包括系統維護費用、人臉辨軟體訂閱費用、每月的網路費和電費、租借伺服器費用,以及所涉及的資本成本。
  • 汰舊換新
    在人臉辨識系統的整個生命週期中,必須及時對設備、作業系統和軟體進行升級,避免因元件太舊而無法使用。
  • 替換週期
    替換週期是一種很受歡迎的維護選項,長遠看來可以降低成本。藉由系統性地更換硬體和軟體元件,您可以確保使用的是已針對效能和成本進行最佳化的最新技術(包括定期保養費用、降低能耗等等)。
  • 和部署規模相關的成本
    許多成本驅動因素是與部署情境的規模有關,應於評估總體成本時納入考量。例如:監控的建築物數量越多,所需的硬體工作站就越多,人臉辨識的軟體費用也越高,每月的維護、電費網路費當然也會增加。

以下是一些與部署規模相關的成本例子:

  • 小型店家,單一位置:
    • 這種情況相對於規模而言成本較低,包括:
      • 軟體:在只有幾台攝影機時,隨插即用軟體的價格通常取決於視訊資料的數量。
      • 硬體:較不需要昂貴的硬體。通常效能合理的個人電腦就足夠。
      • 培訓:隨插即用的軟體在整合和培訓上的成本都很低,通常銷售商所提供的價格方案已經包含這些費用。
      • 每月成本:每月電費。
  • 連鎖小型商店,多個位置:
    • 和前一個使用情境相比,成本逐漸增加:
      • 軟體:需要處理更多視訊資料,因此費用較高。
      • 硬體:通常每個位置需要一台個人電腦或低成本的專用電腦(例如 NVIDIA Jetson)和幾台攝影機,每個位置的設定都差不多。如果需要共用顧客、員工或黑名單人員資料,至少在一個地方要架有伺服器。
      • 培訓:銷售商提供的培訓和整合費用,取決於區域/商店數量和覆蓋區域。
      • 每月成本:每月的電費和網路費,主要受位置數量的影響。
  • 大型場所,單一位置(例如工廠)
    • 和上一個選項相比逐漸增加:
      • 軟體:頂尖的軟體或 SDK,通常根據視頻資料的數量計費,從最基本(軟體)到系統整合的安裝成本(SDK)。由於攝影機資料僅限於一個位置,因此軟體本身的價格通常不會太貴。部署的費用可能很可觀,不過是可預期的,而且符合其他部署相關的成本。
      • 硬體:通常需要一個或多個工作站,且配有多個 GPU 或 VPU,以及在該場所部署大型攝影機。
      • 培訓:中等偏高的培訓和整合成本,以學習更複雜的系統。
      • 每月成本:每月電費,另外可與整合商或銷售代表簽訂每月維護合約。
  • 大型場所,多個位置(例如全國性的雜貨連鎖店)
    • 最昂貴的使用場景:
      • 軟體:頂尖的軟體或 SDK,通常根據視頻資料的數量計費,從最基本(軟體)到系統整合的安裝成本(SDK),取決於位置數量和每個位置的部署規模。軟體或 SDK 的定價通常與位置的數量成正比,但客戶通常可以得到批量購買的折扣。部署的費用可能很可觀,不過是可預期的,而且符合其他部署相關的成本。
      • 硬體:通常需要一個或多個工作站,且配有多個 GPU 或 VPU,以及在每個場所位置部署大型攝影機。此外,每個地點或區域中心可能需要一台或多台伺服器來託管和共享資料庫。
      • 培訓:需要合格的培訓師輪流造訪每個地點。有些組織會派自己的員工,其他人會外包給整合商。
      • 每月成本:顯著的網路費和電費。可與整合商簽訂每月維護合約。

設計最適合您的人臉辨識系統

在為獨特的使用場景設計人臉辨識解決方案時,您有許多選擇。上述每個核心元件和決策元素都會影響解決方案是否能夠有效地滿足您的需求。最保守的方法是:先熟悉每個決定因素和目前存在的選擇,考量到技術和解決方案的進步速度,並詢問趨勢以及預期的突破可能會如何影響您的測試和部署時間表。然後專注在更重要的元素(例如效能、功能、硬體等)。

另外也要了解所在產業的成功部署和失敗情況。許多產業都有協會和專責小組來監控和分析人臉辨識以及如何提升使成員的使用體驗。

最後,利用這些資訊的集合來建構您獨特的藍圖或決策樹,引導您做出決策,並最終找到適合您獨特需求的最佳解決方案。

如欲了解更多關於人臉辨識的原理、如何在各式應用場景中進行優化以及相關的技術細節說明,請參考人臉辨識的原理及邊緣運算應用。

若要了解人臉辨識在 2021 年的應用情況,請參閱人臉辨識2021應用趨勢分析.

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