人脸识别的核心问题与商机

随着摄影镜头的普及以及安全防护的需求，近来人脸识别相关技术成为产业界关心的对象。搭配运算速度的提昇、深度学习技术的突破、以及许多使用者端、企业端、政府端各种实质应用情境，也触发除了指纹、虹膜等生物特徵识别之外的产业机会。

人脸识别的定义常有许多混淆，一般是为了了解拍照的目标为何人。举例来说，进来银行的人是谁，如果直接可以识别，我们会有多几秒的时间可以知道他是VIP吗？黑名单？喜欢什麽样的商品？该找谁服务呢？

但是也容易与其他技术混淆。例如人脸属性侦测，目的是为了了解标的年龄、性别、人种、打扮等，用途在于购物安全(如自动贩卖机的年龄限制)、目标群众大致统计等。

另一非常类似的领域为表情侦测：区分微笑、严肃、生气等表情，可以用于客服或是使用者满意度分析；目前驾驶安全技术上，也会有驾驶打瞌睡、不专心等透过人脸判断的技术。

人脸识别核心可以大致区分为两个问题：人脸确认(face verification)以及人脸识别(face identification)。前者的定义主要是给两张人脸，必须回答是否为同一人，例如自动通关时扫描护照，同时比对摄影以及官方人脸数据；或是iPhone解锁等安全确认情境。

人脸识别主要是在大规模的人脸数据库中(可能每人有一到多张)照片，找出提供的照片是否在数据库内？是哪一个人？警政的人脸查找、安全监控、或是进出管制等，大多属于这个范畴。

虽然两个问题看起来类似，但是后者较为挑战，当数据库内需要识别的人变多时，比对速度会变慢、特徵值(表示人脸的高纬度数据)间会大大的混淆。

识别的信号来源也不局限于2D的人脸照片，包括大家已熟知在手机上的3D点云、走路的姿势(声音)、甚至是在空间移动对Wi-Fi信号的影响等，都有不同的应用。

这几年精进的人脸识别技术早已跳脱早期仅限安防使用的局限性，并且看到原本在云端的功能，逐渐落地到设备端。例如具有识别功能(自动开锁)的门铃、利用人脸来提供个人化服务、广告内容、存取功能、开关设备等。

诸多应用发现，人脸识别更需要软硬整合，如光线变化时如何自动调整镜头硬件？识别用的影像(视讯)该如何压缩？我相信在智能应用转型的契机，对于产业界也是另一个相当大的机会！