1:1 人臉比對
在百萬分之一誤認率下正確辨識率可達 99.83%
比對兩張人臉影像，確認是否為同一人，適用於身分驗證及雙因子門禁。經 NIST FRTE 評測，在誤認率（FMR）為百萬分之一時，正確接受率（TAR）達 99.83%（2023 年 3 月）
經 NIST 評測的高精準人臉辨識、全方位活體偵測與防偽技術，以及彈性的地端與私有雲部署，讓企業自主掌控生物辨識資料
NIST FRTE 1:1
99.83%
誤認率 (FMR) 為百萬分之一時的正確接受率 (TAR)
Visa 類別｜2023 年 3 月
NIST FRTE 1:N
99.61%
於 1,200 萬筆人臉資料庫搜尋的辨識準確率
Mugshot 類別｜2024 年 7 月
NIST FATE PAD
100%
正確拒絕率（TRR），於 82 家參測廠商中排名第一
被動式 2D 活體偵測｜2023 年 9 月
iBeta PAD
100%
正確拒絕率（TRR），完全於裝置端執行
Level 2｜2022 年 3 月
ISO 管理系統認證
ISO/IEC 27001 與 27701
資訊安全與隱私資訊管理
核心人臉辨識技術
FaceMe Platform 提供高精準人臉偵測、1:1 人臉驗證、1:N 人臉辨識及人臉搜尋功能，並以領先業界的 NIST 評測成果為基礎，協助企業在各類應用與服務中導入安全且可靈活擴充的人臉辨識
1:1 人臉比對
比對兩張人臉影像，確認是否為同一人，適用於身分驗證及雙因子門禁。經 NIST FRTE 評測，在誤認率（FMR）為百萬分之一時，正確接受率（TAR）達 99.83%（2023 年 3 月）
1:N 人臉搜尋
從人臉資料庫進行 Top-N 搜尋。經 NIST FRTE 評測，在 1,200 萬筆人臉資料庫搜尋中，辨識準確率達 99.61%（2024 年 7 月）
快速人臉搜尋
即使資料庫規模持續擴大，仍維持高速回應：搜尋 100 萬筆人臉僅需 551 毫秒、1,000 萬筆為 604 毫秒、6,000 萬筆為 648 毫秒
安全人臉特徵值
將人臉影像轉換為不可逆的人臉特徵值，並以 AES-256 加密保護，無法還原為原始影像
人臉影像品質檢測
在人臉註冊或比對前，檢查遮蔽、模糊、光線、人臉角度、人臉大小及灰階影像
人像影像處理
偵測、旋轉、校正及裁切人臉影像，依所需尺寸輸出，適用於個人檔案照、身分資料建檔及證件照應用
活體辨識與防偽
FaceMe Platform 透過伺服器端 API 分析人臉影像，無須使用者配合額外動作，即可偵測列印照片、螢幕翻拍、面具及 AI 生成的 Deepfake 深偽影像等多種偽造攻擊
NIST FATE PAD
於 NIST 被動式 2D 人臉防偽評測中，在 82 家廠商中排名第一（2023 年 9 月）
iBeta PAD
由第三方獨立實驗室 iBeta 依據 ISO/IEC 30107-3 方法進行測試，對 3D 列印、樹脂及乳膠面具攻擊達到 100% 偽造攻擊拒絕率（TRR）
Deepfake 深偽偵測
偵測透過裝置螢幕播放 AI 合成人臉的呈現式攻擊 (Presentation Attack）
被動式 2D 人臉防偽
無須使用者配合額外動作或使用特殊攝影機，即可阻擋人臉偽造與冒用攻擊
支援戴口罩情境
偵測口罩狀態（未配戴／配戴不正確／正確配戴），即使使用者佩戴口罩，也能進行人臉活體偵測與防偽
人臉與人物屬性
FaceMe Platform 結合獲 NIST 評測肯定的年齡估算、人臉與人物屬性分析及外觀特徵搜尋，深入掌握人物特徵；無論人臉是否清晰可見，皆能依外觀特徵快速搜尋目標人物
年齡估算
採用來自 34 個國家的 100 萬張人臉影像進行評測
成人年齡驗證
判斷受測者是否年滿 25 歲；NIST FATE 基準測試（2025 年 9 月）
性別與情緒分析
判斷性別，並偵測中性、開心、生氣、悲傷與驚訝等 5 種情緒
人物偵測與屬性分析
即使未擷取到人臉，也能透過身形偵測與追蹤人物；分析上衣與下身服裝類型、10 種以上服裝顏色，以及帽子、包包等配件。可應用於匿名人流計數、人群監控及人物外觀搜尋
人物再識別（Re-ID）
無須人臉辨識，即可跨攝影機或不同時間重新識別同一人物
彈性架構、擴充與部署
FaceMe Platform 內建高可用性、模組化擴充及零停機維護機制，簡化企業級系統的部署與維運，無須額外開發複雜的基礎架構
高可用性
內建負載平衡與自動容錯移轉機制，確保服務持續運作，無須額外進行客製化開發
模組化架構
Central、Recognizer 與 Matcher 元件皆可獨立部署與擴充，依實際使用需求彈性調整系統規模
彈性部署
無論部署於企業私有雲或 AWS、Google Cloud、Microsoft Azure 等主流公有雲，皆採用一致的系統架構與 API 整合方式
Docker 支援
提供適用於 Red Hat 與 Ubuntu 的 Docker 容器映像檔，簡化平台部署與設定
水平擴充
依需求增加工作站，即可彈性擴充系統處理能力
不中斷維護
資料庫維護期間系統仍可維持上線，確保服務持續運作
開發整合與 API
從 RESTful API、網頁端人臉擷取，到原生行動端函式庫與即時影像分析，選擇最適合您應用程式的整合方式
依需求彈性整合
可透過 RESTful API、FAuth URL、Web SDK，或適用於 iOS 與 Android 的用戶端程式庫進行整合
RESTful API
透過 RESTful API，無須整合複雜的原生 SDK，即可將人臉辨識功能串接至各類應用程式
FAuth Web 用戶端 URL
將開箱即用的人臉影像擷取流程整合至既有網頁或行動應用程式。FAuth 支援相機存取、人臉影像擷取、即時品質引導、影像上傳及重試機制，開發人員無須自行建置與維護相關功能
即時攝影機串流分析
支援相容網路攝影機的 RTSP 串流，即時進行人臉辨識
錄影檔案分析
支援外部來源錄影檔案的人臉辨識，處理速度最高可達即時播放的 8 倍，且不影響即時影像串流分析
零程式碼評估
透過管理主控台 Demo 與測試工具進行概念驗證（POC），再運用範例程式碼快速展開後續開發
管理、資料與存取控制
完整掌控系統操作權限與人臉資料儲存位置，兼顧管理效率、資料安全與隱私保護
管理主控台
集中掌握所有伺服器與攝影機的即時狀態、辨識引擎設定，以及完整的 API 呼叫稽核紀錄
安全登入
透過人臉與密碼雙因子驗證登入管理主控台，並支援角色權限控管及 NIST 密碼規範
人臉資料庫管理
彈性管理人員及人臉影像，支援將同一人員加入多個群組，並可指定任一群組作為 1:N 人臉比對的目標資料庫
伺服器與用戶端相容性
將 FaceMe Platform 部署於支援的伺服器環境，並串連網頁、行動應用程式與邊緣裝置上的人臉辨識應用
伺服器作業系統
支援 Windows Pro、Enterprise、Windows Server，以及 Ubuntu 與 Red Hat Enterprise Linux
伺服器硬體
支援 Intel 與 AMD CPU，以及 NVIDIA GPU，並可加速 AI 推論效能
混合式邊緣至雲端人臉辨識
將搭載 FaceMe SDK 的邊緣裝置串連至 FaceMe Platform，加速本地人臉辨識、降低頻寬與伺服器負載，並透過地端或雲端部署進行集中管理
網頁瀏覽器用戶端
透過 FaceMe Platform Web SDK，將人臉辨識與身分驗證功能整合至支援的 PC 與手機行動版 Chrome、Safari、Edge 與 Firefox 瀏覽器
行動 App 用戶端
透過 FaceMe Platform 用戶端程式庫，將人臉辨識與身分驗證功能整合至原生 iOS 與 Android App
與業務團隊