完整定義
人臉辨識是一種電腦視覺技術,旨在自動識別或驗證圖像或影片中的人臉。它通過分析人臉的獨特特徵,例如眼睛、鼻子和嘴巴之間的距離和角度,並將這些特徵與已知人臉的資料庫進行比對,從而實現身份識別或驗證。
白話說明
你有沒有用過手機刷臉解鎖,或進公司大樓要刷臉通過門禁?
你可以把它想成,系統先找到臉,再判斷這張臉是誰。
人臉辨識很常跟門禁、手機、考勤和支付綁在一起,因為它能快速確認身份。
記住這句
先找臉,再認人。
比喻:人臉辨識就像機場的海關人員 -- 它能快速掃描你的臉部特徵,然後跟資料庫裡的照片比對,確認你是不是本人,或者是找出你是誰。這個過程非常快,而且可以自動化,就像海關自動通關一樣。
容易混淆
人臉辨識 vs 人臉偵測
人臉偵測只負責找出哪裡有人臉。
人臉辨識則要進一步判斷這個人是誰。
最關鍵的區別:找臉,還是認人。
人臉辨識 vs 圖像識別
圖像識別可以辨認很多類別。
人臉辨識是特定針對身份辨識的應用。
最關鍵的區別:一般物件分類,還是身份確認。
人臉辨識 vs 嵌入表示
人臉辨識常會先把臉轉成 embedding,再比對距離。
嵌入表示本身不是辨識結果,而是中間表示。
最關鍵的區別:表示方式,還是身份判定。
實際案例
手機解鎖
手機會先擷取臉部特徵,再和預先登錄的資料比對。
Before:要輸入密碼。After:對準鏡頭就能驗證身份。
門禁考勤
公司可用人臉辨識代替打卡卡片。
Before:卡片容易忘、容易借。After:用臉確認,流程更快但也更需要保護隱私。
演算法與應用
典型流程是偵測人臉、對齊臉部、抽取特徵、比對距離,再用門檻決定是否通過。
現在很多系統會結合深度學習 embedding,提高在光線、角度和遮擋下的表現。
如果要防照片或影片欺騙,通常還要加活體檢測。
情境判斷
Q1(直覺題): 人臉偵測和人臉辨識最大的不同是什麼?
人臉偵測只找臉在哪裡,人臉辨識則要知道這張臉是誰。
Q2(判斷題): 如果光線很差、臉部遮住一半,還適合直接用人臉辨識嗎?
看情況。若系統有補光、活體檢測和足夠好的特徵模型,還能用;如果條件太差,就要考慮其他驗證方式。
常見問題
在理想條件下可以很高,但光線、角度、遮擋和資料品質都會影響實際表現。
常見風險有資料外洩、偽造影像欺騙、身份冒用,所以常要加安全機制。
更高準確率、更低算力、更強魯棒性,還會更重視隱私與合規。
相關術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本