近年來各種生物辨識技術越來越成熟，各種應用也如百花齊放般的出現，其中人臉辨識可說是最受矚目、應用也最多元的技術。隨著人工智慧 (AI) 的技術的進步，以深度學習開發的人臉辨識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。而在硬體層面的顯著改善，更讓人臉辨識技術更加適合被導入於各種案例、產業及場景。
那麼，什麼樣的人臉辨識解決方案，最適合您的使用情境？本文我們將與您分享選擇人臉辨識系統的關鍵要素，以及如何確保人臉辨識解決方案能夠成功執行。
您也可選擇參考《人臉辨識應用最新趨勢，5 大領域一次了解！ 》，發掘更多 FaceMe 真實應用案例！
人臉辨識基本介紹
何謂人臉辨識？
簡而言之，人臉辨識 (Face Recognition) 就是偵測何為人臉，並以個體的臉部特徵進行比對，以辨識其身分，近年在 AI 技術突飛猛進下，利用 AI 進行人臉辨識已成主流。AI人臉辨識技術，會偵測並擷取臉部特徵值、轉為向量並與既有資料庫進行比對，借此識別人員身分。
人臉辨識的應用領域？
人臉辨識現在已用於各式各樣的場域，舉凡權限控管、保全安控、考勤打卡、智慧金融等，都是現今常見的應用範圍。
邊緣或雲端？關於人臉辨識系統的部署位置
您在邊緣或雲端環境都能部署人臉辨識系統。智慧電子鎖、門禁機、自助服務機 (kiosks)、手機上的金融 app 等就是邊緣裝置的部署。將人臉辨識部署於邊緣的好處是能擁有更低的持有成本、更快的回應速度，與更高的服務可用性。
如何選擇最符合企業需求的人臉辨識解決方案？
選擇人臉辨識解決方案的重要考量之一，就是企業內是否有相關領域的工程師能自行開發，如果沒有，可參考使用完整的解決方案導入適合的應用情境，例如適合安防門禁或是零售的 FaceMe Security 或是適合金融保險、身分驗證流程 FaceMe eKYC 這類型的完整解決方案。假設您是硬體製造商，建議您可以使用市面上提供FaceMe SDK 整合至硬體中。又或者您是軟體開發商、想自行研發具備人臉辨識 APP 的業者，建議可採用具開放式 API 的 FaceMe Platform 開發平台。
選擇人臉辨識解決方案的 7 大關鍵要點
您可以透過以下幾項要點，建構決策樹；依照企業需求，將最重要的需求優先考量，並捨棄相關度低的項目。
辨識精確度／準確度：我的應用情境中，要達到多高的精準度？
人臉辨識相關功能：我需要那些人臉辨識功能？如人臉偵測、人臉比對或人臉搜尋。
處理效能：根據不同應用，需要達到多快的辨識速度？是否需要同時處理多張人臉？（與軟硬體規格相關）
邊緣或雲端架構：應該選擇雲端、邊緣端，抑或是混合式架構？
裝置和硬體支援：什麼類型的裝置和晶片最合適？（與擁有成本相關）
應該採用套裝軟體或SDK：我要使用人臉辨識 SDK 並自行開發？還是購買開箱即用的解決方案？
建置成本：如何估計建置成本和維運成本？
1. 辨識精確度／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。舉例來說，訊連科技的 FaceMe 模型 可辨識出大於影像畫面寬度 2.5 ％且高於 32 像素的人臉圖像，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 FRTE 測試(Face Recognition Technology Evaluation) 評定。在最新的 FRTE 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比對時，準確度高達 99.73%，在全球所有測試供應商中排名全球第六，並且在排除來自中國和俄羅斯的供應商時，位居第一。
為什麼準確度在人臉辨識中至關重要？
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 FRTE 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，準確度可能是最關鍵的因素。相對地，準確的演算法也會需要額外的儲存和處理能力，進而增加部署人臉辨識的總成本。
其他條件如外形、尺寸、重量或電力要求，可能也是影響模型準確度的因素。然而實務上，大部分的使用案例都不必用到 99% 甚至更高的準確度。如果都使用最精確的模型，反而在經濟上缺乏可行性。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，但仍建議使用效能高於 95% 的解決方案。
您也可以從自身的使用情境、程度、規模來考量準確度的要求。舉例如下：
不同使用情境下的準確度要求
準確度需求較高
準確度需求較低
存取銀行服務的安全性：
體育館入口閘門：
不同使用程度下的準確度要求
準確度需求較高
準確度需求較低
機房或資料庫：
智慧住家：
不同部署規模下的準確度要求
準確度需求較高
準確度需求較低
大型百貨商店：
在地商店：
如需進一步洽詢 FaceMe 免費試用或價格等相關導入資訊，歡迎與我們聯繫。
2. 人臉辨識功能
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
影像強化技術
使用2D相機進行活體辨識防偽
使用3D及 IR+RGB 相機進行活體辨識防偽
具備Deepfake 深偽影片偵測技術，以防止深度生成的人臉影像攻擊
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：
人臉偵測 人臉特徵值擷取 比對與搜尋
更詳細的人臉辨識原理介紹，請參考什麼是人臉辨識？深度解析人臉辨識技術原理、功能、優點及應用
FaceMe 人臉辨識解決方案還包括了更多進階功能，例如：
影像強化 活體辨識及防偽 IR+RGB 相機 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。IR+RGB 相機 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使用者體驗，但相較之下成本也更高。配戴護具或口罩時的人臉辨識
如何選擇自身所需的人臉辨識功能？
您可以從使用情境、環境、規模的角度來考量所需功能。舉例如下：
不同使用情境下的功能需求
進階功能
基本功能
金融交易的身分驗證：
一般的臨櫃服務：
不同使用環境下的功能需求
進階功能
基本功能
光線不佳區域：
光線明亮區域：
不同部署規模下的功能需求
進階功能
基本功能
購物中心：
零售店的員工上下班打卡 ：
若在獨立零售店的員工部署人臉辨識系統進行身份驗證打卡，因一次只掃描一個人，就無需同時掃描多張臉孔之功能
3. 人臉辨識運算效能
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 (Frames per Second, 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與處理。FPS 越高，則準確度和效能也越高。
偵測速度 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。
此外，要實現更加效能，您還需要為特定使用情境配備合適的晶片與軟體。
晶片： 您可使用像 NVIDIA RTX 系列的獨立的 GPU VPU 來提升效能。此外也有許多 GPU 加速的選擇，如 NVIDIA Jetson、Intel Core、Qualcomm SNPF、MediaTek i350 或其他晶片，能提高深度學習演算法效能。
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，在單一工作站上，搭載NVIDIA RTX A6000 的 FaceMe 能處理高達 340 到 410 個畫格（確切數據視選用的 FaceMe 人臉辨識模型而定）。這相當於每個工作站同時處理 25-41 路影像（10 fps/秒）– 非常適合有高效能需求的用戶。
想了解如何選擇晶片與軟體，歡迎閱讀這篇應用指南
為何效能在人臉辨識系統中非常重要：
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。
以下我們從使用情境、程度、規模的角度來說明效能需求。
不同使用情境下的效能需求
效能需求較高
效能需求較低
百貨公司 ：
在這類公共場所，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這種需要同時處理大量資料的情況
圖書館：
不同使用程度下的效能需求
效能需求較高
效能需求較低
倉庫/物流：
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
不同部署規模下的效能需求
效能需求較高
效能需求較低
具有多個影像資料的大型場所：
在入口處配有一個影像資料的小型場所：
4. 邊緣或雲端架構
無論是邊緣或雲端，您選擇的部署環境將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。
然而，當使用情境有以下特性時，雲端架構則會是更好的選擇：
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 ：例如用於零售店面做 VIP 人臉辨識等低風險部署。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. 裝置及硬體支援度
在選擇人臉辨識系統時，硬體環境有時候會成為限制因素。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。
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。
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。
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。
邊緣運算技術的快速創新，在降低成本的同時也不斷地提高其效能，為
IoT 裝置衍生了許多人臉辨識應用 。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。
在晶片組方面，依據您對人臉辨識系統的成本和效能需求，有許多不同的晶片組可供選擇。統整如下：
不同晶片組的組合，可打造功能完整且價格合理的解決方案。
如何選擇合適的硬體規格？
以下我們從使用情境、程度、規模的角度來說明如何選擇合適的硬體。
不同使用情境下的硬體需求
硬體需求較高
硬體需求較低
大學校園之健康與安全監控：
公寓大樓的智慧門鎖：
不同使用程度下的硬體需求
硬體需求較高
硬體需求較低
醫院 ：
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
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。
不同部署規模下的硬體需求
硬體需求較高
硬體需求較低
監控全國性的大型零售連鎖店：
監控全國性的大型零售連鎖店：
6. 採用套裝軟體或SDK軟體開發套件
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 (Plug-and-Play) 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較急切的需求。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，並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、影像管理系統(VMS)、電子鎖、打卡出勤軟體等等。
FaceMe Security 專為各型場域門禁安控設計的人臉辨識解決方案，協助企業保障財產與人員安全。
軟體開發套件 (Software Development Kits, 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運算能力或 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。
FaceMe® AI人臉辨識引擎適用於各式標案需求，如安控、場域管理、零售、金融應用等，歡迎進一步與我們洽詢試用。
以下我們從使用情境、程度、規模的角度來說明如何選擇適合的軟體形式。
不同使用情境下的軟體需求
建議使用 SDK
建議使用隨插即用軟體
將人臉辨識技術導入零售店的安全門禁管理：® Security 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
不同使用程度下的軟體需求
建議使用 SDK
建議使用隨插即用軟體
金融服務的存取控管：
辦公樓的安全和進出控管：
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
不同部署規模下的軟體需求
建議使用 SDK
建議使用隨插即用軟體
好的軟體都應具備絕佳的擴展性，因此規模並非決定SDK 或隨插即用軟體時的主要考量因素。但整體而言，隨插即用解決方案會更適用於特定的功能或應用情境。而採用SDK 的解決方案一般整合成本更高，更適合大型機構。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 現在也能以合理的價格進入大眾市場的 AIoT 產品中。
7. 人臉辨識技術的建置成本 (TCO)
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。包含以下幾項：
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 在軟體生命週期中，經常性成本會持續發生。包括系統維護費用、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）。
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。
我們透過以下 4 種情境，幫助您了解與部署規模相關的成本：
成本類型
應用情境
小型店家，單一位置
小型商店，多個位置
大型場所，單一位置（例如工廠）
大型場所，多個位置（例如全國性的雜貨連鎖店）
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
需要處理更多視訊資料，因此費用較高
軟體或 SDK 通常根據影像資料量計費。由於攝影機資料僅限一個位置，因此軟體本身的價格通常不會太貴
頂尖的軟體或 SDK，通常根據影像資料量計費，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
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
通常每個位置需要一台個人電腦或低成本的專用電腦（如 NVIDIA Jetson）和幾台攝影機，每間店面的設定都差不多。如果需要共用顧客、員工或黑名單人員資料，則至少在一個地方要架有伺服器
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
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
導入與訓練成本
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
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
中等偏高的培訓和整合成本，以學習更複雜的系統
需要合格的培訓師輪流造訪每個地點。組織可選擇派自己的員工將培訓工作外包整合商
每月成本
每月電費
每月的電費和網路費，主要受位置數量的影響
每月電費，另外可與整合商或銷售代表簽訂每月維護合約
顯著的網路費和電費。可與整合商簽訂每月維護合約
打造最適合您的人臉辨識系統
在為您的使用場景設計人臉辨識解決方案時，上述每個核心元件和決策元素都會影響您的需求是否能被有效滿足。最保守的方法是：先熟悉每個考量因素和現有解決方案，並了解趨勢、技術和解決方案的迭代，會如何影響您的測試和導入時程。您也應優先考量如：效能、功能、硬體等關鍵的變因。
另外也可以參考我們在全球的 FaceMe 成功案例 、或是參閱《人臉辨識技術最新趨勢 》一文，並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，並最終找到最適合您需求的人臉辨識解決方案。
與業務團隊
