一种改善人脸识别效率的快速筛选方法研究

人脸识别是一种重要的身份鉴别技术，具有广泛的应用前景。目前，如何使人脸识别系统具有快速且准确的识别效果是值得研究的方向，通过局部显著的特征和有效减少比对次数的分类方法为解决上述问题的方案。现今人脸识别系统多为提取整个人脸图像特征，接着逐一与数据库中的图像进行比对，以获得识别结果。在本文中，提出一种筛选技术，能有效避免比对特征过大和比对次数过多的问题，为了设计出最佳的筛选技术，以变异数分析探讨局部显著特征对识别率的影响，以获得最佳的筛选技术流程。结果显示所提出的筛选技术与原始系统相比，在Extended Yale Face Database B与MECL人脸数据库当中，不仅具有相同的识别率，在识别时间上更提升了105.8%与50%的效率。故证实筛选技术不仅拥有相同的识别效果，还能大幅的降低识别时间。

2002 年汤姆克鲁斯主演的电影《关键报告》中，街头识别系统随时扫描识别过往路人身份的情节， 正逐渐在你我的生活中上演。由于人脸识别具备远距离运作非接触式的特性，为人带来的便利更胜于其它生物识别技术， 举凡阿汤哥电影《不可能的任务》中的虹膜识别， 或是警方办案常使用的指纹识别等， 因此，当其技术藩篱被突破时，随之而来的应用不计其数。根据知名市场研究公司MarketsandMarkets 推估，人脸识别市场产值在五年内可望以13.9%的年均复合增长率(Compound Average Growth Rate, CAGR)成长，由2017 年的40.5 亿美元跃升至2022 年的77.6 亿美元。

近年来人脸识别技术[1] [2] [3] [4] [5]的进展有赖于深度学习技术的突破，2014 年香港中文大学宣布其人脸验证系统通过深度学习模型强大的计算和学习能力大幅提升脸部识别准确性，在国际知名的人脸数据库LFW 逾千组不同光暗、表情及拍摄角度的脸部照片上准确率高达99.15%，首次超越人类肉眼识别的准确度，2015 年，百度同样利用深度学习技术[6]，将人脸验证系统准确率推升至99.7%，逼近LFW数据库的极限。为了能够衡量人脸识别模型的能力，2016 年华盛顿大学提出了MegaFace 公开数据库， 提供实验者仿真数据库存有一百万张人脸时的识别效果，大幅提高了识别的难度，此时(2016 年末)仅有少数几个如Google 等顶尖组织的识别率能够达到70%。时至2018 年4 月，依据官方记录，已有数十个组织得以跨越70%水平， 微软中国必应实验室的数据为83.758%， 若进一步将肇因于MegaFace 数据库本身错误状况予以剔除，准确率更高达98.998%，显示当今人脸识别技术已可挑战百万等级的用户规模。

人脸识别技术的发展并不仅局限于算法等软件层面，2019 年9 月，苹果召开新品发表大会，新一代旗舰机iPhoneX11 问世，人脸识别成功进军到智能型手持装置，成为新时代解锁选项。有别于传统使用的光学摄影机，iPhoneX11 使用其顶部一小块约0.5 公分区域，由前置镜头、红外线镜头、泛光感应组件及点阵投影仪等零件所组成的深度镜头系统进行人脸识别，藉由非可见光扫描人脸的3D 几何结构，将身份破解率从Touch ID 指纹的五万分之一降至百万分之一。

观察2018 年世界行动通讯大会(MWC)， 3D 感测