淺析人臉辨識(shí)的技術(shù)環(huán)節(jié)

人臉辨識(shí)的核心問題，不管是人臉確認(rèn)(face verification)或是人臉識(shí)別(face identification)，都必須在人臉上取出具有「辨別度」的特征值。

也就是說，同個(gè)人的多張照片，即使在不一樣的光源、時(shí)間、打扮、些微的表情、視角變化之下拍攝，還具有非常類似的高維數(shù)值(可以想象在高維空間中非常相近的點(diǎn)群)，相反地，對(duì)于不同人的照片，需很容易區(qū)別，在高維空間中維持相當(dāng)?shù)木嚯x。

這目標(biāo)聽起來很直覺，但是研究人員幾十年來的努力到最近才有突破性的發(fā)展。

人臉辨識(shí)的一般步驟為：人臉偵測、人臉校正、人臉特征值的擷取。目的在照片中，找到人臉的位置，利用人臉的特征點(diǎn)(如嘴角、人中、眼睛等)為錨點(diǎn)，將人臉校正到同一個(gè)比較基準(zhǔn)，然后取出特征值來進(jìn)行辨識(shí)。

早期的人臉偵測大多基于效率的考量，利用組合一系列簡易的運(yùn)算來檢測畫面中的可能人臉，甚至可以在相機(jī)的硬件中實(shí)現(xiàn)。但是在實(shí)際場域中的應(yīng)用仍然有諸多限制，直到這幾年深度卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network；CNN )的使用，才讓偵測率大大提升。

人臉特征值的擷取是最核心的問題。早期廣泛采用的方法為特征臉(eigenface)，這是1991年MIT提出的方法，原理是人臉具有大致的輪廓，可以找出特征人臉為基礎(chǔ)來線性組合出各個(gè)人臉。理論上同一個(gè)人的線性組合參數(shù)應(yīng)該類似，所以就用這些組合參數(shù)來作為人臉特征值。

此外，還可以利用人臉各個(gè)器官之間的相對(duì)位置、比例等作為特征值?；蚴抢绵徑嬎氐牧炼炔顏肀硎咎卣髦档木植慷禈邮?Local Binary Patterns；LBP)?；蚴菍⑷四樚囟ㄎ恢玫耐庥^，利用具代表性的小區(qū)塊進(jìn)行編碼的稀疏編碼法(sparse coding)。這些技術(shù)都為人臉辨識(shí)的落實(shí)往前推進(jìn)一步。為求系統(tǒng)穩(wěn)定，大部分應(yīng)用系統(tǒng)都采用雞尾酒作法，也就是混搭各種特征值。

為何早期使用人臉辨識(shí)的場域不多呢？因?yàn)殄e(cuò)誤率所造成的困擾遠(yuǎn)大于技術(shù)的效率。舉例來說，保全系統(tǒng)使用人臉辨識(shí)作為門禁卡，如果錯(cuò)誤率5%的話，每100人次進(jìn)出，就有5次需要人為介入，不勝其煩。

技術(shù)的正確率、穩(wěn)定度的提升關(guān)乎可否全面落實(shí)到產(chǎn)品上，也就只有等到深度學(xué)習(xí)(更準(zhǔn)確為卷積神經(jīng)網(wǎng)絡(luò))技術(shù)的突破，才讓人臉辨識(shí)數(shù)十年的研究有機(jī)會(huì)在產(chǎn)業(yè)界帶來廣泛應(yīng)用的機(jī)會(huì)，而且有機(jī)會(huì)溢出傳統(tǒng)安控領(lǐng)域而成為「個(gè)人化」的基礎(chǔ)引擎。