課程 : 論文研討
日期 : 2011.09.23
時間 : 13:50 ~ 15:40 PM
地點 : S516
作者 : 資工產碩一 吳俊德
演講者: 聯合大學資工系-韓欽銓教授
臉部辨識是通過對面部特徵和其之間的關係來進行識別的一種生物辨識技術，其原理是利用虹膜、鼻翼、嘴角等面像五官輪廓大小、位置、距離、角度等，將其對應關係，轉換成數學公式，當每次進行比對時，就是在運算這些特徵點間的數學關係是否相似，從而判斷身分。
此技術大致分為人臉捕捉和人臉辨識。之前因為隱私權的問題因此此技術大都應用於門禁管理，近來因產品價格日漸下降因此也開始用於3C產品的應用上，如照相機的人臉捕捉或電腦開機管理……等等。
我有幸於99年參與規劃「內政部入出國及移民署入出國查驗暨自動通關系統委外建置案」因此而接觸生物辨識系統（指紋辨識、臉部辨識、虹膜辨識），此案為要符合國際防恐要求因此規劃此功能。於其間了解到各個廠商使用的臉部分析方法不同所以擷取的特徵點位置及點數不同，因此各廠商的辨識度、商業應用而有所差異。
人臉識別技術近年來被廣泛採用，證明這項技術已趨成熟，針對使用者普遍的疑慮：“人臉辨識系統是否能分辨真人與照片的差異？”於是有活體辨識技術的產生，該技術的主要特點如下：活體辨識技術是指用電腦判定一個物件是否是生物。假使人臉識別系統無法分析出這張人臉是真的人臉還是照片，或者視訊。
另外臉部辨識不在單單只能定點辨識因此發展出有運動偵測的需求。運動偵測技術是指電腦對時序場景圖片的分析，判斷場景中是否有物體移動並確定位置。人臉偵測技術是對圖片分析，判定圖片中是否存在人臉，並定點陣圖片中人臉的大小和坐標。這兩種技術用在無人看守的視訊監控，能自動發現運動的物體，並計算出其位置，這樣就可用鏡頭去跟蹤運動物體，並判斷物體圖片中是否有人臉，如果有，可以將其記錄，以備檢視，還可結合人臉識別技術，識別出這個人是否是合法人員。
事實上，數年前各國警方已經開始利用臉部辨識技術偵查人群中的嫌犯。2001年一月，美國坦帕灣警局在超級杯球場內架設器材掃瞄觀眾臉孔，並和犯罪資料庫比對。目前也因CCTV的硬體設備進步千萬畫素的攝影機推出因此於防恐遠端監控的臉部辨識偵防，如歐美地區的大型球賽時的球場監控或國內首長出席群眾集會時的國安監控都已有實際範例。
目前對於臉部辨識系統的商業用用要求其規格大致如下：
1.需具有人臉檢測與捕捉功能，並可對移動中的人進行人臉捕捉的動作。
2.智慧蒐尋出現在攝影機範圍內的人臉，進行臉部影像快照並即時與資料庫進行比對，並可傳回比對結果。人臉識別的精確度在95%以上，捕捉到的人臉圖片可壓縮成 .jpg檔保存。
3.在最佳的適當光線底下，每秒可捕捉至少十二張以上的人臉照片，人臉識別一般在0.6秒左右完成，在一萬人中查找前十個與當前人臉相似的人可在1.6秒以內完成。
4.臉部檢測尺寸：兩眼距離最小 60 像素(含)以下。
5.臉部角度範圍：上下仰府正負 15度(含)以上、左右旋偏轉 15 度(含)以上。
6.圖像擷取解析度至少需達640 x 480 像素(含)以上，可透過系統彈性調整。
7.辨識準確性︰誤識率需低於FAR(False Acceptance Rate)≦0.5%，FRR(False Rejection Rate)≦0.5%。
8.辨識速度:1對多時≦2秒(50,000筆資料)。
9.不受種族膚色及性別的影響；不受臉部表情、鬍鬚和髮型等變化的影響。
10.國際標準ISO/IEC 19794-5:2005 (Face Image Data)。ANSI/INCITS 385-2004 (Face Recognition Format for Data Interchange)。
日期 : 2011.09.23
時間 : 13:50 ~ 15:40 PM
地點 : S516
作者 : 資工產碩一 吳俊德
演講者: 聯合大學資工系-韓欽銓教授
臉部辨識是通過對面部特徵和其之間的關係來進行識別的一種生物辨識技術，其原理是利用虹膜、鼻翼、嘴角等面像五官輪廓大小、位置、距離、角度等，將其對應關係，轉換成數學公式，當每次進行比對時，就是在運算這些特徵點間的數學關係是否相似，從而判斷身分。
此技術大致分為人臉捕捉和人臉辨識。之前因為隱私權的問題因此此技術大都應用於門禁管理，近來因產品價格日漸下降因此也開始用於3C產品的應用上，如照相機的人臉捕捉或電腦開機管理……等等。
我有幸於99年參與規劃「內政部入出國及移民署入出國查驗暨自動通關系統委外建置案」因此而接觸生物辨識系統（指紋辨識、臉部辨識、虹膜辨識），此案為要符合國際防恐要求因此規劃此功能。於其間了解到各個廠商使用的臉部分析方法不同所以擷取的特徵點位置及點數不同，因此各廠商的辨識度、商業應用而有所差異。
人臉識別技術近年來被廣泛採用，證明這項技術已趨成熟，針對使用者普遍的疑慮：“人臉辨識系統是否能分辨真人與照片的差異？”於是有活體辨識技術的產生，該技術的主要特點如下：活體辨識技術是指用電腦判定一個物件是否是生物。假使人臉識別系統無法分析出這張人臉是真的人臉還是照片，或者視訊。
另外臉部辨識不在單單只能定點辨識因此發展出有運動偵測的需求。運動偵測技術是指電腦對時序場景圖片的分析，判斷場景中是否有物體移動並確定位置。人臉偵測技術是對圖片分析，判定圖片中是否存在人臉，並定點陣圖片中人臉的大小和坐標。這兩種技術用在無人看守的視訊監控，能自動發現運動的物體，並計算出其位置，這樣就可用鏡頭去跟蹤運動物體，並判斷物體圖片中是否有人臉，如果有，可以將其記錄，以備檢視，還可結合人臉識別技術，識別出這個人是否是合法人員。
事實上，數年前各國警方已經開始利用臉部辨識技術偵查人群中的嫌犯。2001年一月，美國坦帕灣警局在超級杯球場內架設器材掃瞄觀眾臉孔，並和犯罪資料庫比對。目前也因CCTV的硬體設備進步千萬畫素的攝影機推出因此於防恐遠端監控的臉部辨識偵防，如歐美地區的大型球賽時的球場監控或國內首長出席群眾集會時的國安監控都已有實際範例。
目前對於臉部辨識系統的商業用用要求其規格大致如下：
1.需具有人臉檢測與捕捉功能，並可對移動中的人進行人臉捕捉的動作。
2.智慧蒐尋出現在攝影機範圍內的人臉，進行臉部影像快照並即時與資料庫進行比對，並可傳回比對結果。人臉識別的精確度在95%以上，捕捉到的人臉圖片可壓縮成 .jpg檔保存。
3.在最佳的適當光線底下，每秒可捕捉至少十二張以上的人臉照片，人臉識別一般在0.6秒左右完成，在一萬人中查找前十個與當前人臉相似的人可在1.6秒以內完成。
4.臉部檢測尺寸：兩眼距離最小 60 像素(含)以下。
5.臉部角度範圍：上下仰府正負 15度(含)以上、左右旋偏轉 15 度(含)以上。
6.圖像擷取解析度至少需達640 x 480 像素(含)以上，可透過系統彈性調整。
7.辨識準確性︰誤識率需低於FAR(False Acceptance Rate)≦0.5%，FRR(False Rejection Rate)≦0.5%。
8.辨識速度:1對多時≦2秒(50,000筆資料)。
9.不受種族膚色及性別的影響；不受臉部表情、鬍鬚和髮型等變化的影響。
10.國際標準ISO/IEC 19794-5:2005 (Face Image Data)。ANSI/INCITS 385-2004 (Face Recognition Format for Data Interchange)。
沒有留言:
張貼留言