人臉辨識的技術環節 - DigiTimes
文章推薦指數: 80 %
人臉辨識的一般步驟為:人臉偵測、人臉校正、人臉特徵值的擷取。
目的在照片中,找到人臉的位置,利用人臉的特徵點(如嘴角、人中、眼睛等)為錨點 ...
智慧應用
影音
DIGITIMES
首頁
未來車產業鏈
蘋果供應鏈
產業九宮格
每日椽真
AIoT
5G
伺服器
CarTech
智慧製造
智慧城市
展會
影音
新創專區
科技網
首頁未來車產業鏈蘋果供應鏈產業九宮格每日椽真產業區域議題觀點電子時報報導總覽科技商情IT應用
Research
AsiaInsight亞洲科技戰情智慧醫療智慧製造智慧家庭物聯網寬頻與無線5GFocusCloudAIFocus電腦運算伺服器行動裝置與應用智慧穿戴CarTechIC製造IC設計顯示科技與應用全球產業數據
智慧應用
首頁報導專題新創專區大肚山產創報解決方案
電子報訂閱
椽經閣
首頁Colley&Friends名家專欄作者群關於專欄
電子報訂閱
活動+
首頁所有活動DForum研討會
TECH
ASIA
INNOVATIONS
RESEARCH
OPINIONS
BIZFOCUS
DBook
人臉辨識的技術環節
徐宏民
2018-07-18
人臉辨識的一般步驟為:人臉偵測、人臉校正、人臉特徵值的擷取。
而人臉特徵值的擷取則是技術最核心的問題。
法新社
人臉辨識的核心問題,不管是人臉確認(faceverification)或是人臉識別(faceidentification),都必須在人臉上取出具有「辨別度」的特徵值。
也就是說,同個人的多張照片,即使在不一樣的光源、時間、打扮、些微的表情、視角變化之下拍攝,還具有非常類似的高維數值(可以想像在高維空間中非常相近的點群),相反地,對於不同人的照片,需很容易區別,在高維空間中維持相當的距離。
這目標聽起來很直覺,但是研究人員幾十年來的努力到最近才有突破性的發展。
人臉辨識的一般步驟為:人臉偵測、人臉校正、人臉特徵值的擷取。
目的在照片中,找到人臉的位置,利用人臉的特徵點(如嘴角、人中、眼睛等)為錨點,將人臉校正到同一個比較基準,然後取出特徵值來進行辨識。
早期的人臉偵測大多基於效率的考量,利用組合一系列簡易的運算來檢測畫面中的可能人臉,甚至可以在相機的硬體中實現。
但是在實際場域中的應用仍然有諸多限制,直到這幾年深度卷積神經網路(ConvolutionalNeuralNetwork;CNN)的使用,才讓偵測率大大提升。
人臉特徵值的擷取是最核心的問題。
早期廣泛採用的方法為特徵臉(eigenface),這是1991年MIT提出的方法,原理是人臉具有大致的輪廓,可以找出特徵人臉為基礎來線性組合出各個人臉。
理論上同一個人的線性組合參數應該類似,所以就用這些組合參數來作為人臉特徵值。
此外,還可以利用人臉各個器官之間的相對位置、比例等作為特徵值。
或是利用鄰近畫素的亮度差來表示特徵值的局部二值樣式(LocalBinaryPatterns;LBP)。
或是將人臉特定位置的外觀,利用具代表性的小區塊進行編碼的稀疏編碼法(sparsecoding)。
這些技術都為人臉辨識的落實往前推進一步。
為求系統穩定,大部分應用系統都採用雞尾酒作法,也就是混搭各種特徵值。
為何早期使用人臉辨識的場域不多呢?因為錯誤率所造成的困擾遠大於技術的效率。
舉例來說,保全系統使用人臉辨識作為門禁卡,如果錯誤率5%的話,每100人次進出,就有5次需要人為介入,不勝其煩。
技術的正確率、穩定度的提升關乎可否全面落實到產品上,也就只有等到深度學習(更真確為卷積神經網路)技術的突破,才讓人臉辨識數十年的研究有機會在產業界帶來廣泛應用的機會,而且有機會溢出傳統安控領域而成為「個人化」的基礎引擎。
前文請見
徐宏民
台大資工系教授
徐宏民(WinstonHsu)現任台大資工系教授及NVIDIAAILab計畫主持人。
哥倫比亞大學電機博士,專精於機器學習、大規模影像視訊搜尋與辨識。
為訊連科技研發團隊創始成員,慧景科技(工業智能新創)共同創辦人;曾任IBM華生研究中心客座研究員、美國微軟研究院客座研究員。
習慣從學術及產業界的角度檢驗技術發展的機會;十餘年產學合作及新創經驗,近年致力將深度學習技術落實到產業,並協助成立研究開發團隊。
曾獲2018IBMResearchPatGoldbergMemorialBestPaperAward、2018偽裝人臉辨識冠軍、傑出資訊人才獎、吳大猷先生紀念獎等國內外研究獎項。
作者其他文章
電動車時代 還是秤斤論兩賣電子零件?
Tesla為何自己設計晶片?
降低自駕技術資料成本
熱門文章
摩爾定律的華麗謝幕:EUV微影機
詹益仁2020/10/22
除了評論外,我們能否真的積極參戰—AfterLibra
朱宜振2019/9/11
愛因斯坦會如何看待量子運算?
詹益仁2020/6/2
新創團隊
神經元科技股份有限公司
腦神經疾病檢查裝置
雲象科技股份有限公司
數位病理及醫療影像人工智慧
震藝科技
具有雙重握持的輕型設計專利的肌肉按摩機
台灣聯合金融科技股份有限公司
P2PLending
台灣科技大學BEARLab
穿戴式生醫電子開發
推薦活動
企業上雲轉型大調查線上活動
2021韌性供應鏈資安競爭力大調查
延伸文章資訊
- 1臉部辨識與人工智慧的事實 - Amazon AWS
Amazon Rekognition 可讓您輕鬆地在應用程式新增高度準確的影像和影片分析。與許多先進技術一樣,了解臉部辨識的運作原理以及其用途十分重要。讓我們來看看一些最常見 ...
- 2第三章人臉偵測演算法
在人臉偵測的過程當中,系統會先將輸入的影像. 進行膚色的色彩分割,並且透過形態學的閉合運算(Closing)填滿膚色區域內空洞及不. 連續之處。接著我們透過膚色區域投影將 ...
- 3理解優缺點及應用概況人臉辨識簡易實作動手玩
人臉辨識技術屬於電腦視覺的範疇,現今結合了人工智慧的技術,讓電腦視覺的效用提升,以影像分析為素材,並透過深度學習訓練,再利用演算法歸納出其關聯來 ...
- 4人臉辨識系統原理 - CC郵件登入
人臉識別的優勢在於其自然性和不被被測個體察覺的特點。 利用紅外線採集虹膜圖像,這些特殊的採集方式很容易被人察覺,從而更有可能被偽裝. 欺騙。
- 5臉部辨識系統- 維基百科,自由的百科全書
臉部辨識系統(英語:Facial recognition system),又稱人臉識別。特指利用分析比較人臉視覺特徵信息進行身份鑑別的計算機技術。 臉部辨識攝影機.