歡迎來到新通訊元件網站
新電子首頁 | 加入會員 | 忘記密碼 | 設為首頁 | 加入書籤 | 訂閱雜誌  
首頁 | 有線通訊 | 無線通訊 | 車載通訊 | 關鍵零組件 | 電源管理 | 傳輸介面 | 量測儀器 | 精選影音 | 資源下載
本期目錄
各期雜誌
訂電子報
2018年版工業4.0實戰寶典
2018年版通訊產業關鍵報告
智慧移動載具趨勢與關鍵技術全剖析
2017年版物聯網創新應用開發攻略
2017年版智慧型手機/穿戴式關鍵零組件完全剖析
更多
轉寄列印
消費/垂直應用爭相卡位 臉部辨識技術發展熱度狂飆
新通訊 20185 月號 207 期《 趨勢眺望 》
文.楊仲瑜
臉部辨識技術戰火擴大延燒。繼iPhone X導入臉部辨識技術之後,帶動消費者對於臉部辨識技術的認識,更激發垂直與消費性電子應用領域的供應鏈爭相投入,期能在新興領域闖出一片新天地。
臉部辨識技術在公部門的出入境管制系統、及私部門的金融身分認證應用已有一定實績,近年隨著汽車、零售、醫療等廠商陸續加入探索臉部辨識技術於產業中可能的應用機會,臉部辨識話題熱度漸增。特別是智慧手持裝置領導大廠蘋果(Apple)於2017年下半年推出搭載臉部辨識技術的iPhone X後,更帶動一般消費者對臉部辨識的認識,以及對其可能的應用產生興趣,預期將刺激更多業者快步跟進,推升應用需求。 

臉部認證精確度評價基準包括FRR(False Rejection Rate)以及FAR(False Acceptance Rate)。FRR代表本人卻被錯誤拒絕的機率值,譬如雖然是本人在進行認證,但因為戴上眼鏡而被系統認為非本人而拒絕通過認證。FAR代表非本人卻被接受的機率值,譬如雙胞胎的其中一位假冒另一位進行認證,系統卻認為是同一個人而讓其通過認證。 

FRR及FAR兩個數值不是獨立的,在臉部比對時會設定一個「臨界值」,當臨界值過大時,本人認證通過的機率高,同時非本人認證卻通過的機率也會提高;相對的,當臨界值小時,本人卻被拒絕認證的機率高,同時非本人且被拒絕認證的機率也會提高。因此在設定臨界值的時候必須要找到一個合理的數值讓兩者可以平衡,而這個臨界值也會依據使用場景的不同而進行調整。 

例如在出入境自動通關系統的應用上,為了確保系統不會讓不被允許進入本國的旅客或嫌疑人進入,而危害到國土安全,在臨界值的設定上可能會為了降低FAR的機率值,而允許讓FRR值偏高。畢竟在安全的前提下,本人被拒絕總比非本人卻被接受更符合出入境管制系統的使用情境及目的。 

「安全」作為分界線 臉部辨識應用蓄勢待發 

臉部辨識技術依使用目的可以分成「安全相關」及「非關安全」,依認證行為又可分為「主動認證」(使用者自主進行認證的行為)及「非主動認證」(使用者沒有意識到認證行為的發生)。一般而言,依照使用目的或認證行為不同,會有不同的技術規格需求。 

以「安全」為目的的應用情境下,相對於「非關安全」的應用,其對辨識精準度的要求會更高。而「非主動認證」相對「主動認證」的技術難度也會更高。 

「安全相關」應用是以保障國土、個人及財產安全為主要目的,如公部門將臉部辨識認證導入出入境審查系統,用以保障國土及人民安全;金融業採用臉部辨識技術做為金融交易的身分認證使用,以保障客戶財產安全。 

「非關安全」的應用則多是以提高企業或個人利益為主要目的,如零售業者透過臉部辨識收集客戶行為數據並加以分析,將數據分析結果用於創造個人化的購物體驗,以吸引消費者前往消費,為企業創造收益。這類應用通常會採用到屬性分析的技術。 

一般而言,與「安全相關」的應用因為涉及國土、人身及財產安全保障,因此一旦在各種應用領域上關於安全的效益得到驗證,預期發展會相當快速。相對來說,「非關安全」的應用因為是以企業或個人利益為出發點,因此若要能順利發展,需視臉部辨識技術的引入,可為企業及個人帶來何種附加價值。 

臉部辨識應用範圍相當廣泛,近年幾個熱門的應用領域,包括智慧車(或自駕車)、金融科技(Fintech)、智慧零售、機器人、無人機等的開發廠商,也都試圖採用臉部辨識技術來提升裝置的性能,或是進行方法、流程的改善及創新。透過大量應用案例的彙整分析可以看到臉部辨識應用有三大趨勢,包括非主動認證、移動式裝置,及屬性分析的應用需求都有增長的趨勢。 

現階段實用化的應用是以與「安全相關」的主動認證為主,包括公部門的出入境管制、私部門的金融業身分認證、航空業的登機系統、企業或居家用的門禁管理等。然而透過大量的應用案例分析,可看到業者正在積極探索臉部辨識在安全監控、犯罪追蹤、智慧零售等領域的應用可能性,這類型的應用一般而言較少要求被認證方主動配合認證,因此其使用情境是以非主動認證為主。 

同時,即使是原本屬於主動認證範疇的應用,在使用便利性的考量之下,業者也有朝向非主動認證應用發展的動向。如企業門禁系統的應用,對於有幾千名員工的大型企業來說,要求每名員工在出入時都必須要停留幾秒進行身分認證,相當不符合時間效益。如果可以讓員工不需要駐足,在行進間即可完成認證的動作,對企業來說是一相當有吸引力的技術進展。因而在應用領域的拓展及使用便利性及效率的考量下,非主動認證的應用需求會益發增長。 

移動式裝置如智慧手持裝置、汽車等的應用需求也有顯著增長的趨勢。在手持裝置方面,主要是受到手機全螢幕設計趨勢、以及Apple在iPhone X導入臉部辨識技術Face ID的影響,預期在智慧型手機的滲透率會逐步提升。汽車應用則是受到智慧車的發展影響,業者努力尋找各種可以提高行車安全的技術,臉部辨識可提供一個判斷駕駛是否符合安全駕駛狀態的機制,而受到業者青睞。 

其他如無人機用來在飛行中追蹤特定人物拍照、為機器人搭載臉部辨識功能而可提高與人類互動交流的能力等,在物聯網、智慧生活的風潮下,移動式裝置對臉部辨識技術的搭載需求預期將會更加顯著。 

屬性分析是臉部辨識技術相較於其他生物特徵辨識技術而言,相當重要的差異化技術特徵。屬性分析被用來辨別使用者的臉部狀態、甚至是情感,可以讓臉部辨識的應用拓展到更多領域。如汽車業者正透過辨識駕駛臉部狀態的技術,分析該駕駛是否具備駕駛能力,如是否打瞌睡、或視線是否專注於前方道路等,適時給予警示以提高行車安全。 

新創紛紛冒出頭  臉部辨識併購不間斷  

透過合投資併購案件整理,本文發現近年很多臉部辨識的新創業者如Affectiva、Emotient、Faceshift、FacioMetrics、IMRSV、Kairos、Realeyes、Sension、Sightcor等,都將研發重心放在屬性分析技術開發上。其中,Apple在2015年及2016年分別收購了蘇黎世臉部模擬軟體開發商Faceshift,及美國臉部情緒辨識技術開發商Emotient。Facebook於2016年收購從卡內基.梅隆大學發展出來的新創團隊FacioMetrics。Sension於2015年被日商GAIA收購。IMRSV在2015年被同樣從事情緒辨識研發的新創公司Kairos收購。新創業者不斷冒出頭,以及熱絡的併購活動,顯示屬性分析的應用關注度正在提升。 

臉部圖像包括2D及3D兩種態樣。2D圖像(亮度圖像)是透過辨識人臉特徵如眼、鼻、口等而進行認證,容易受到臉部遮蔽物、臉部角度及表情、光線等影響認證精準度。3D圖像提供的是幾何、深度資訊,所以不會受到臉的視角或照明條件影響辨識精準度,應用情境相對更為廣闊(圖1)。 

圖1 臉部辨識技術別適用環境
資料來源:資策會MIC(1/2018)

一般而言在一定的規範環境下,2D臉部辨識已經可以提供高度辨識水準。然而在實際應用上,環境條件變動可能相當大,包括: 

・照明條件的變化:室內、戶外、上方照明、側向照明等多種照明條件 

・臉部的方向變化:上下左右角度變化 

・阻礙物的存在:眼鏡、墨鏡、圍巾、帽子、口罩等遮蔽臉部特徵 

・臉部表情的變化:擠眉弄眼使臉部特徵難以被辨別 

・低圖像解析度:被辨識方與攝影機的距離過大或行進速度太快,造成圖像解析度過低及畫面太小等 

採用一般的2D臉部辨識技術已經無法滿足更多實際的應用需求,促使廠商關注3D臉部辨識技術的開發。 

基本上人臉是3D的態樣,每一張臉都有其獨特的立體幾何輪廓,用2D圖像去描述3D人臉必然會造成一些重要臉部資訊的流失。因此早在將近20年前,研發人員就已經關注3D臉部辨識技術的開發,然而受到3D掃描器成本過高及3D建模速度慢等的影響,一直未能普及發展。 

早期一台3D掃描器平均要2,000美元,直到2010年後隨著3D感測技術的發展,如Microsoft Kinect、PrimeSense Carmine等的推出,成本降至平均200美元。除了捕捉3D臉部圖像的成本更低之外,由於主動式3D感測技術的開發,透過感測器即可直接量測到圖像的3D資訊,亦即3D建模時間可大幅縮短,使3D臉部辨識具普及發展可能性。特別是在臉部辨識業者多投入3D感測技術發展的情況下,預期加速3D臉部辨識應用擴散。 

主動式設計當道  3D深度感測啟發想像  

3D深度感測技術分為被動式跟主動式,被動式技術是拍攝圖片後,透過一系列算法計算得到物體的3D模型,因計算量大較不易做到實時(Real-time)。主動式是直接量測物體的深度訊息,相對容易做到實時,因而較適用於臉部辨識應用,為目前技術主流。 

主動式技術包括PrimeSense的結構光(Structured Light)、SoftKinetic及微軟(Microsoft)的時差測距(Time of Flight, ToF)、以及Leap Motions的立體視覺(Stereoscopic Vision)。從主要廠商專利技術拆解得知,3D深度感測模組產品結構包括IR光源,可以是LED或是Laser Diode;以及單色、彩色的CMOS Sensor。如果採用結構光技術,還需要繞射光學元件(DOE)以及光學鏡頭,去形成特定的光學圖案。 

在應用面的拓展下,為了能夠適應更廣泛的環境變動需求,臉部辨識技術開始朝向可適應較大環境變動的3D辨識技術發展。另一方面,在AI人工智慧基礎技術的演進下,業者也更著重基於深度學習的臉部辨識技術開發,深度學習的技術被導入如:2D轉3D臉部圖像的建立、或是臉部特徵抽取及比對。 

而為了因應終端裝置導入臉部辨識應用需求,在硬體方面有兩個重要的開發展方向,一是低成本且微型化的3D感測模組;其次是高性能且低功耗的AI晶片開發。在軟體方面,幾個重要技術開發方向包括3D臉部建模技術的改善,以降低建模時間及成本;2D轉3D臉部畫像技術的開發,以擴大臉部辨識應用範圍並提高裝置設計彈性;以及降低表情變化或遮蔽物等對3D辨識影響、降低3D辨識運算量(降低耗能)、提升行進間辨識的精準度等。 

(本文作者為資策會MIC產業分析師)

這篇文章讓你覺得?
非常滿意 滿意 普通 不滿意 非常不滿意
Back Top Home
關於新通訊 廣告委刊 聯絡編輯部 聯絡發行部 隱私權政策
城邦文化事業股份有限公司版權所有、轉載必究.Copyright (c) 2016 Cite Publishing Ltd.