人面辨識系統

提示：此條目頁的主題不是人面辨識。

人面辨識系統（英語：Facial recognition system），又稱人面辨識。特指利用分析比較人臉視覺特徵資訊進行身份鑑別的電腦技術。

人面辨識攝影機

廣義的人面辨識實際包括構建人面辨識系統的一系列相關技術，包括人臉圖像採集、人臉定位、人面辨識預處理、身份確認以及身份尋找等；而狹義的人面辨識特指通過人臉進行身份確認或者身份尋找的技術或系統。

人面辨識是一項熱門的電腦技術研究領域，它屬於生物特徵辨識技術，是對生物體（一般特指人）本身的生物特徵來區分生物體個體。生物特徵辨識技術所研究的生物特徵包括臉、指紋、手掌紋、虹膜、視網膜、聲音（語音）、體形、個人習慣（例如敲擊鍵盤的力度和頻率、簽字）等，相應的辨識技術就有人面辨識、指紋辨識、掌紋辨識、虹膜辨識、視網膜辨識、語音辨識（用語音辨識可以進行身份辨識，也可以進行語音內容的辨識，只有前者屬於生物特徵辨識技術）、體形辨識、鍵盤敲擊辨識、簽字辨識等。

優勢

人面辨識的優勢在於其自然性和不被測個體察覺的特點。

所謂自然性，是指該辨識方式同人類（甚至其他生物）進行個體辨識時所利用的生物特徵相同。例如人面辨識，人類也是通過觀察比較人臉區分和確認身份的，另外具有自然性的辨識還有語音辨識、體形辨識等，而指紋辨識、虹膜辨識等都不具有自然性，因為人類或者其他生物並不通過此類生物特徵區別個體。

困難

雖然人面辨識有很多其他辨識無法比擬的優點，但是它本身也存在許多困難。人面辨識被認為是生物特徵辨識領域甚至人工智能領域最困難的研究課題之一。人面辨識的困難主要是人臉作為生物特徵的特點所帶來的。人臉在視覺上的特點是：

1. 不同個體之間的區別不大，所有的人臉的結構都相似，甚至人臉器官的結構外形都很相似。這樣的特點對於利用人臉進行定位是有利的，但是對於利用人臉區分人類個體是不利的。
2. 人臉的外形很不穩定，人可以通過臉部的變化產生很多表情，而在不同觀察角度，人臉的視覺圖像也相差很大，另外，人面辨識還受光照條件（例如白天和夜晚，室內和室外等）、人臉的很多遮蓋物（例如口罩、墨鏡、頭髮、鬍鬚等）、年齡、拍攝的姿態角度等多方面因素的影響。

在人面辨識中，第一類的變化是應該放大而作為區分個體的標準的，而第二類的變化應該消除，因為它們可以代表同一個個體。通常稱第一類變化為類間變化（inter-class difference），而稱第二類變化為類內變化（intra-class difference）。對於人臉，類內變化往往大於類間變化，從而使在受類內變化干擾的情況下利用類間變化區分個體變得異常困難。

技術細節

一般來說，人面辨識系統包括圖像攝取、人臉定位、圖像預處理、以及人面辨識（身份確認或者身份尋找）。系統輸入一般是一張或者一系列含有未確定身份的人臉圖像，以及人臉資料庫中的若干已知身份的人臉圖象或者相應的編碼，而其輸出則是一系列相似度得分，表明待辨識的人臉的身份。

目前人面辨識的演算法可以分類為：

• 基於人臉特徵點的辨識演算法（feature-based recognition algorithms）。
• 基於整幅人臉圖像的辨識演算法（appearance-based recognition algorithms）。
• 基於模板的辨識演算法（template-based recognition algorithms）。
• 利用神經網絡進行辨識的演算法（recognition algorithms using neural network）。
• 利用支持向量機進行辨識的演算法（recognition algorithms using SVM）。

發展歷史

人面辨識系統的研究始於20世紀60年代，80年代後隨着電腦技術和光學成像技術的發展得到提高，而真正進入初級的應用階段則在90年代後期，並且以美國、德國和日本的技術實現為主；人面辨識系統成功的關鍵在於是否擁有尖端的核心演算法，並使辨識結果具有實用化的辨識率和辨識速度；「人面辨識系統」整合了人工智能、機器辨識、機器學習、模型理論、專家系統、影片圖像處理等多種專業技術，同時需結合中間值處理的理論與實現，是生物特徵辨識的最新應用，其核心技術的實現，展現了弱人工智能向強人工智能的轉化。

中華民國警政署自2007年開始使用M-Police人面辨識系統查詢民眾身份。鑑於《個人資料保護法》，2021年11月起，警政署暫時停用人面辨識系統。

截至2017年底，中國已在新疆部署了人工智能人面辨識系統。訪問該地區的記者發現，在幾個城市每百米左右安裝一監控攝像頭。聯邦調查局亦未經授權擅自掃描數百萬張民眾駕照。

2019年11月，全球首個人臉識別導航智能停車場於中國廣州K11啟用，當車主接受人臉註冊後，停車場可以提供車位實景導航服務，方便車主取車。有關技術正研究於香港K11採用。

應用

無錫交通警察的人面辨識提醒牌

人面辨識的應用主要有：

• 門禁系統：受安全保護的地區可以通過人面辨識辨識試圖進入者的身份，比如監獄、看守所、小區、學校等。
• 攝像監視系統：在例如銀行、機場、體育場、商場、超級市場等公共場所對人群進行監視，以達到身份辨識的目的。例如在機場安裝監視系統以防止恐怖分子登機。
• 網絡應用：利用人面辨識輔助信用卡網絡支付，以防止非信用卡的擁有者使用信用卡，社保支付防止冒領等。
• 學生考勤系統：香港及澳門的中、小學已開始將智能卡配合人面辨識來為學生進行每天的出席點名記錄。
• 相機：新型的數碼相機已內建人面辨識功能以輔助拍攝人物時對焦。
• 智能電話：解鎖手機、識別用戶，如Android 4.0以上，iPhone X。
• 人證核驗一體機：核驗持證人和證件照是不是同一個人，主要用在酒店前台、稅務局、醫院等。
• 地鐵乘車：在貴陽、福州地鐵全線網及廣州地鐵7號線（廣州南站至美的大道）、18號線全線、22號線全線、佛山地鐵3號線全線範圍內可以通過人面辨識乘坐地鐵，無需攜帶任何票卡。需要注意的是，開通、關閉、註銷「人臉過閘」功能都需要用上身份證。

爭議

人面辨識系統雖然有其方便之外，但也衍生了許多資訊保安及私隱問題，加上現時人面辨識系統並非十分精確，系統的演算法技術準確性相對較低，較容易出錯、缺乏相關法律和道德標準、具有侵犯隱形權的討論、以及政府很容易濫用這項技術，若應用在人權的犯罪防治工作上，則會引發歧視問題。

相關電腦語言

• MatLab：Matlab是一種獨立的程式語言，它有自己的框架和整合式開發環境（IDE），具有更強大的工作空間。該程式語言提供了廣泛的工具，你可以使用它們輕鬆處理更多技術編程任務。圖像辨識和面部處理是Matlab可以處理的一些任務。Matlab提供了一系列用於矩陣計算的內建工具。必須注意的是，圖像辨識和矩陣計算是齊頭並進的。Matlab中可用的一些工具以執行複雜的圖像處理任務，例如裁剪、旋轉、掩蔽等。
  
• Python：目前，Python被認為一種目前最流行的程式語言。其簡單性和多功能性是許多程式設計師喜歡使用它的一些原因。儘管很簡單，但Python是一種可以依賴於執行複雜任務的語言。它可用於建立圖像處理和辨識功能。
• C / C ++ / C＃：它們功能強大，可以做任何事情，包括建立圖像處理和辨識功能。C系列程式語言提供了兩種建立圖像處理功能的選項。用戶可以選擇從頭開始對所有代碼進行編碼，從而手動編寫代碼。第二種選擇是使用專為這些程式語言設計的現有庫。這些庫包括OpenGL、EmguCV、OpenCV等等。它們具有用於圖像辨識的智能圖像處理功能。
• JAVA：像C和C ++一樣，永遠不要低估Java程式語言的強大功能。這種語言足以執行複雜的功能。它可用於建立圖像處理和圖像辨識的應用程式。
• OpenCV：開源電腦視覺（OpenCV）是一種用於即時處理的進階工具。它也是一種跨平台工具，因此可以整合到任何程式語言中，以執行圖像處理和辨識功能。它可以與C、C ++、Java、Python和Android程式語言整合。

反人面辨識系統

最典型的反人面辨識是人臉欺詐攻擊（又稱為人臉呈現攻擊），利用人臉相片、影片回放，面具等欺騙人面辨識系統。

相關領域

• 電腦視覺
• 人工智能
• 圖型識別
• 神經網絡
• 車牌辨識
• 指紋辨識
• 安全檢查