[專案經理雜誌文章]人臉辨識系統

從電腦視覺到人臉辨識
台灣人出國，在海關驗護照時，現在可以使用快速通關而因此減少很多時間，而快速通關，整個程序，就是讓使用者的臉在國家的電腦中被記錄，到電子檢察關卡時，透過護照辨識與人臉辨識，確定被辨識的這個人就是護照上的人，而能直接通關，這在台灣是臉部辨識最被廣泛認知的使用場景。人臉辨識是電腦視覺的一個應用，電腦視覺起源於1963年賴瑞．羅伯茲的博士論文“Machine Perception Of Three-Dimensional Solids”（中文翻譯：機器對三維固體的認知），其中談到輸入的固體影像會如何被電腦做認知的描述，而賴瑞．羅伯茲也因此被稱為電腦視覺之父，而1966年，美國麻省理工的明斯基教授聘請了一名大學一年級學生，並指派他在夏季解決問題：「將相機連接到計算機並讓機器描述它所看到的內容。」這兩件事開始了用電腦做辨識物體與人像的時代。1970年代開始對選定的人像有一點進展，可以在識別後知道五官、頭髮的對應位置；1980年開始使用幾何來對應；1990年開始使用統計分析來做影像，分析效果提升；2000年以後使用大型標註的數據集來強化。

而華裔科學家李飛飛跟其他人創辦了著名的ImageNet，在2007年到2009年，收集了超過320萬個被標記的圖像，分為12個大類別，5247個小類別，從2010年開始，ImageNet 設立了競賽規則，邀請了全世界的電腦科學研究者參加競賽，比賽內容是比較各家的演算法識別特定圖像的錯誤率，低者為勝。在2012年的ImageNet比賽，來自多倫多大學的Geoffrey Hinton、Ilya Sutskever和Alex Krizhevsky提交「AlexNet」的使用GPU達成的深度卷積神經網絡算法，而這種演算法的圖形識別錯誤率低至16%，大勝第二名。從此，深度卷積神經網絡演算法成了主流的影像識別的研究方向。之後的ImageNet的比賽識別率的成績突飛猛進，特別是，2015年時，微軟的團隊獲得了ImageNet冠軍，其辨識錯誤率低到3.57%，贏過人類的5.1%，之後2016年、2017年到冠軍結果不斷進步，勝過人類視覺辨識能力，而ImageNet大賽也於2017年辦了最後一場後就不再辦了。

也因為這些在ImageNet獲勝的模型在比賽完被公佈出來，大家可以直接拿來使用，讓電腦視覺辨識蓬勃發展，特別是在人臉辨識上。

人臉辨識對現代人生活的應用與影響
除了前述的機場快速通關外，人臉辨識有很多的應用。以台灣而言，像我去講過課的鴻海精密與精誠資訊，它們都已經導入用人臉辨識代替讓員工打卡，這樣的使用當然是可以更精密的確認員工的上下班時間，而且減少員工因忘了帶卡而不能工作，或是託人代打卡的欺騙公司的風險。

另外，有使用iPhone X系列機種智慧型手機的朋友，就能感受到iPhone使用人臉辨識認證的便利：手機只要面向自己的臉，就可以自動解鎖，不必滑開再輸入密碼，比使用辨識錯誤率較高的指紋更方便。而這應用在所有需要在手機上認證的應用。還有，金融業跟零售業也開始導入人臉辨識來做身分辨識，在7-11的X-Store就採用臉部辨識做進店身分識別，這樣就可以做付款時的對應。而去年的智慧零售展覽，也到處都可以看到銀行推人臉辨識做身分驗證，只要願意讓銀行攝影後辦理，就可以獲得更好更方便的服務，例如：可以在VTM做人臉辨識後取款等。

在中國大陸，人臉辨識系統的使用更多，特別是不需取得被辨識者的同意，首先是警察安防系統建立了很綿密的攝影機網路，目前已經用來辨識後找出真實身分，特別是用來抓逃犯使用。之前BBC記者特別展示他測試這套系統的影片，結果是他從出機場到被系統發現確認是他，只花了七分鐘；另外之前在中國大陸舉辦的張學友演唱會，聽說也透過安防的人臉辨識系統，找到一百多個逃犯；而網路銀行，也利用網路攝影機傳來的使用者影像做身分認證。

在未來帶來的好處與缺失
透過攝影機做人臉辨識，現在已經可以精確的識別到個人，好處是如前段所講的帶來很多方便。公司可以更好的管理員工上下班；零售業與金融業可以在認證客戶後，更了解客戶行為，提供更好的服務，而未來更可以在無人機送貨時，透過人臉辨識確認寄貨者與收貨者，減少錯誤風險；在安防系統上，可以用來抓逃犯，找出失蹤人口，發現走失老人或小孩，這些都是應用上的好處。

不過，這也是以犧牲隱私為代價的，以中國大陸警政安防系統為例，被鎖定的人，到公共場所都會被發現蹤跡，毫無隱私權可言。而且一但未來結合殺人用無人機或機器人，可以直接在人臉辨識確認後執行暗殺行動，還有對整形過的人，或是在短期間胖或瘦太快的人，也可能因此失效而無法作用。

本來，水可載舟，亦可覆舟，工具本身無罪，重點在怎麼用，人臉辨識的潘朵拉之盒已經打開，接下來大幅使用已是必然趨勢，而迎向這樣的趨勢，才是上策。