浅析人脸辨识的技术环节

人脸辨识的核心问题，不管是人脸确认(face verification)或是人脸识别(face identification)，都必须在人脸上取出具有辨别度的特征值。

也就是说，同个人的多张照片，即使在不一样的光源、时间、打扮、些微的表情、视角变化之下拍摄，还具有非常类似的高维数值(可以想象在高维空间中非常相近的点群)，相反地，对于不同人的照片，需很容易区别，在高维空间中维持相当的距离。

这目标听起来很直觉，但是研究人员几十年来的努力到最近才有突破性的发展。

人脸辨识的一般步骤为：人脸侦测、人脸校正、人脸特征值的撷取。目的在照片中，找到人脸的位置，利用人脸的特征点(如嘴角、人中、眼睛等)为锚点，将人脸校正到同一个比较基准，然后取出特征值来进行辨识。

早期的人脸侦测大多基于效率的考量，利用组合一系列简易的运算来检测画面中的可能人脸，甚至可以在相机的硬件中实现。但是在实际场域中的应用仍然有诸多限制，直到这几年深度卷积神经网络(Convolutional Neural Network；CNN )的使用，才让侦测率大大提升。

人脸特征值的撷取是最核心的问题。早期广泛采用的方法为特征脸(eigenface)，这是1991年MIT提出的方法，原理是人脸具有大致的轮廓，可以找出特征人脸为基础来线性组合出各个人脸。理论上同一个人的线性组合参数应该类似，所以就用这些组合参数来作为人脸特征值。

此外，还可以利用人脸各个器官之间的相对位置、比例等作为特征值。或是利用邻近画素的亮度差来表示特征值的局部二值样式(Local Binary Patterns；LBP)。或是将人脸特定位置的外观，利用具代表性的小区块进行编码的稀疏编码法(sparse coding)。这些技术都为人脸辨识的落实往前推进一步。为求系统稳定，大部分应用系统都采用鸡尾酒作法，也就是混搭各种特征值。

为何早期使用人脸辨识的场域不多呢？因为错误率所造成的困扰远大于技术的效率。举例来说，保全系统使用人脸辨识作为门禁卡，如果错误率5%的话，每100人次进出，就有5次需要人为介入，不胜其烦。

技术的正确率、稳定度的提升关乎可否全面落实到产品上，也就只有等到深度学习(更准确为卷积神经网络)技术的突破，才让人脸辨识数十年的研究有机会在产业界带来广泛应用的机会，而且有机会溢出传统安控领域而成为个人化的基础引擎。