人臉識別的目標是確定一張人臉圖像的身份，就是「這個人是誰」，這是機器學習和模式識別中的分類問題。它主要應用在身份識別和身份驗證中。
- 身份識別：失蹤人口、嫌疑人追蹤、智慧交互場景中識別用戶身份…等
- 身份驗證：身份證等證件查詢、出入考勤查驗、身份驗證解鎖、支付…等
人臉識別演算法，主要包含三個模組，如下圖48-1
- 人臉檢測（Face Detection）
- 人臉對齊（Face Alignment）
- 人臉特徵表徵（Feature Representation）
1、人臉檢測 Face Detection：
人臉檢測用於確定人臉在圖像中的大小和位置，為了解決「人臉在哪裡」的問題，把真正的人臉區域從圖像中裁剪出來，好讓後續的人臉特徵分析和識別。圖48-2就是對一張圖像的人臉檢測結果。
結帳輸入優惠碼「BLOGONLY200」，購買人臉辨識線上課程現折$200！
2、人臉對齊 Face Alignment：
同個人在不同的圖像序列中可能呈現出不同的姿態和表情，這種情況是不利於人臉識別的。所以需要將人臉圖像都變換到一個統一的角度和姿態，這就是人臉對齊。
它的原理是找到人臉的好幾個關鍵點（基準點，如：眼角、鼻尖、嘴角…等），然後利用這些對應的關鍵點透過相似變換（Similarity Transform，旋轉、縮放和平移）將人臉盡可能變換到標準人臉。下圖就是一個典型的人臉圖像對齊過程（圖48-2）：
3、人臉特徵表徵 Feature Representation：
第三個模組是人臉識別演算法，它接受的輸入是標準化的人臉圖像，透過特徵建模得到向量化的人臉特徵，最後透過分類器判別得到識別的結果。
主要關鍵是怎樣得到對不同人臉有區分度的特徵，通常我們在識別一個人時會看它的眉形、臉輪廓、鼻子形狀、眼睛的類型等，人臉識別演算法引擎要透過練習/訓練來得到類似這樣的有區分度的特徵。
結帳輸入優惠碼「BLOGONLY200」，購買Open CV 線上課程現折$200！
人臉識別演算法經歷早期演算法，人工特徵＋分類器，深度學習3個階段。目前深度學習演算法是主流，極大的提高了人臉識別的精度，推動這個技術走向實用方面。
想成為爬蟲工程師 、資料分析師 、資料工程師 、資料分析領域專家 、人工智慧產品經理嗎？還是你的公司正需要培養此領域人才呢？
點我了解 AI資料科學家全方位學程 👉 https://bit.ly/3o4N39e
每日5分鐘， 提拔我園丁陪你快速添補AI/資料科學知識與技能。
若想了解更多AI/資料科學的小知識、及各產業的相關應用，歡迎訂閱TibaMe FB及部落格，或有其他想了解的主題歡迎在下方留言讓我們知道唷！
參考資料