近年来，人脸辨识相关应用已蓬勃发展，像是每天都要使用人脸辨识来解锁手机，即是融入日常生活的最佳案例。

然而，除了手机解锁外，其实人脸辨识也被广泛的应用在各式场景中，进行如门禁、安控等多种应用。在本篇文章中，我们将为您深度探讨人脸辨识的原理、如何在各式应用场景中进行优化、相关的技术细节说明，以及各式深具潜力的人脸辨识应用场景。

什么是人脸辨识?

 

      人脸辨识的类型及导入方式

      于边缘装置上建置人脸辨识的主要考量

      边缘设备人脸辨识: 本地装置与工作站

      其他设计考量：安全性、加密技术与隐私维权

      人脸辨识技术：树立规范

      人脸辨识的实际应用

      人脸辨识的未来展望 – 最具市场潜力的人工智慧生物辨识技术

 

1. 什么是人脸辨识?

人脸辨识是生物辨识技术的一种，其运作原理系以向量方式撷取脸部特征值，进而与事先登录的脸孔之特征值进行比对。事实上，这个技术已存在于市场多年，比方说，识别科技在近十年发展迅速，提供人脸辨识功能，用以辨别电脑前的使用者，并透过人脸辨识进行快速登入。在十年前，人脸辨识主要是运用数位讯号处理(DSP, Digital Signal Processing)的技术进行，然其先天性的限制在于仅能辨别正脸。而近年来，随着AI人工智慧技术的发展，人脸辨识采用的是深度神经网路(DNN, Deep Neural Network)技术，除了可大幅提升辨识率外，也可辨别各种角度的脸部，对于人脸辨识的普及有极大的帮助。

深度神经网路的人脸辨识系基于人工智慧演算法及复杂的数学算式，量测人脸的各项变数，如：鼻子的长度与宽度、额头宽度、眼睛形状等，并将各项变数转换成一个脸部特征值。此特征值可用来与资料库中人脸的特征值资料进行相似度比对，以找出该人脸之正确身分。

包括SEETA FACE 科技拥有AI及人脸辨识技术多年的开发经验，使用深度学习及类神经网路开发出seetaface6 AI脸部辨识引擎。经过不断的优化及调教，为世界上具有高精准度与可靠的人脸辨识技术之一，更具备建置弹性，可灵活应用在各种边缘装置上，加速人脸辨识功能在物联网中的应用。

1.1 人脸辨识的主要功能

人脸辨识为目前公认最准确且可用度最高的人工智慧生物辨识技术。人脸辨识技术除了常见的脸部侦测及身分比对外，亦包含了特征侦测(如：性别、年龄、情绪)、口罩侦测等多种功能。而透过人脸辨识技术，也可减少人为判别所造成的偏差。

以 SEETA FACE 6 为例，人脸辨识的主要功能包括：

脸部侦测

脸部侦测为人脸辨识的第一步骤，透过脸部侦测技术，即使仅局部的脸部出现于画面之中，仍可于影像或影片中精准扫描、侦测及框列人脸之所在位置，。于脸部侦测时，快速、即时的侦测脸部为判别效能之最主要指标，亦是人脸辨识之基础。以SEETA FACE 6 为例，可于同一画面中侦测出多张人脸，并逐一精准追踪框列。

脸部特征值撷取

脸部特征值撷取是脸部侦测的下一个步骤，脸部辨识引擎可将框列出的脸部区分成n个维度，比方说，高精准度的脸部辨识引擎之n值为1024时，可将脸部切分成1024维度的矩阵，撷取出以向量为基础的脸部特征值。而此撷取出的特征值，可进一步用来比对资料库中最近似的资料，得出正确身分。

脸部识别

脸部辨识引擎撷取出的脸部特征值，可与资料库中预先登录的人脸进行特征值比对，识别出正确身分。以1:N比对为例，是以在画面中出现的人脸之特征值，与资料库中N个预先登录的脸部进行比对，识别出身分。以SEETA FACE 6为例，撷取出的特征值经过加密、也无法透过特征值逆推回人脸，此外，在识别过程中也不会储存任何脸部影像，可有效确保个资的安全。

1.2 更多脸部相关功能

除了上述的基本人脸辨识外，更多与人脸辨识相关的应用如下:

脸部特征侦测

脸部特征侦测可用于分析包括性别、年龄、情绪及头部动作(如：点头、摇头等)。主要可应用于智慧零售场景，如电子看板上，用以投放分众式广告，或分析来店访客之统计资料。

使用人脸辨识侦测来店访客之年龄、性别、情绪等资讯

口罩侦测

于疫情期间，口罩侦测是最热门的应用项目之一，用以确保公共或私人场所之访客是否正确配戴口罩，及配口罩时进行身分辨识，以保障健康及访客安全。 SEETA FACE 6 可侦测访客是否配戴口罩、或不当配戴口罩(如：口鼻露出、或以手遮住口鼻)，并可于配戴口罩时，进行高准确度的身分辨识。

使用人脸辨识技术侦测是否正确配戴口罩

身分辨识 (支援配戴口罩)口罩配戴状态体温量测资讯

活体辨识及防伪

常见的人脸辨识破解方式包含使用脸部的照片或影片进行破解及身分冒用，也因此，活体辨识于人脸辨识应用至关重要。常见的活体辨识方式可透过3D或2D相机进行。

当使用2D相机时(如：webcam或一般手机前镜头)，可透过互动或非互动方式进行活体辨识。互动方式系透过头部指令(如：点头、摇头)或脸部表情(如：眨眼、张嘴)进行活体判别。而非互动方式系透过各开发商的独家演算法，进行真伪判别及辨识。

当使用3D景深相机时，主要系透过景深资讯，进行快速的活体判别。于透过3D景深资讯判别时，可不需额外之互动方式。 3D景深相机通常可提供较2D活体辨识较即时且较直觉的活体辨识，然而因为需要特殊硬体，建置成本也较高。相较之下，2D活体辨识可相容于现行装置之摄影镜头，并提供一定准确度的活体辨识。以SETA FACE 来说，可支援2D相机或3D景深相机之活体辨识。 SEETA FACE 6 可支援的3D景深相机包括：Intel RealSense™、iPad及iPhone上的3D结构光相机等等。

目前全球最具指标意义之活体辨识评比，为IEEE ICCV 的活体辨识挑战(Anti-spoofing Challenge)。 ICCV为IEEE(电机电子工程师协会，Institute of Electrical & Electronic Engineers)每两年举办一次之研究会议，是电脑视觉领域之顶级会议之一，亦是学术界、产业界及研究人员之指标性活动。

于ICCV 2021中举办的活体辨识竞赛(Anti-spoofing challenge)开放全球厂商、研究机构及学术团体申请参赛。此项竞赛系采用高度仿真之3D面具做为竞赛项目，不同与以往采用2D相片、影片进行测试。高仿真3D面具的出现，对于许多现行人脸辨识技术是一项严峻的挑战。

以2021年的竞赛来说，一共募集了全球195组团队参加，当中56组进入最终阶段，而其中仅18个团队达标，名列于ICCV活体辨识竞赛领先榜之中。于最终结果中，SEETA FACE 6 SDK达到96.8%之防伪率(平均错误率为3.215)，名列全球活体辨识技术第三名，更是领先榜中，排除中、俄团队之第一名。此外，SEETA FACE 6 与排名第一之演算法，也仅有0.16%之些微差距。

于ATM自动提款机侦测是否为真人、或是以照片盗用身份。

1.3 人脸辨识的准确度

人脸辨识的准确度指标可由低的不匹配率(FNMR, false non-match rate)及极低的错误匹配率(FMR, false match rate)来判别。错误匹配率(FMR)表示将人物误认为他人，而不匹配率(FNMR)代表无法匹配出两张属于同一个人拍摄的脸孔。

美国国家标准暨技术研究院(NIST, National Institution of Standards and Technology)举办的人脸辨识技术基准测试(FRVT, Facial Recognition Vendor Test)系透过一套标准化指标，评比各种人脸辨识演算法准确度之测试。 NIST FRVT透过四种测试项目进行评比，为比对真人之照片以及以下四种测试集之照片，包含：

证件照比对检索(VISA)：证件照(如：护照、签证、身分证、驾照等)，照片为清晰、正面、无遮挡的照片。

证件照边境查验(VISA Border)：于边境查验时，使用一般摄影机(如：webcam)所拍摄的照片，较容易有过曝或光线不佳之状况，但拍摄角度基本上较实境照(WILD)受控，是接近正面的角度。

警方归档照比对检索(Mugshot)：警方归档之犯罪嫌疑人照，虽与VISA照片一样为正面照，但与VISA相比，年龄跨距可能较大，有许多甚至超过12年。

实境照比对检索(WILD)：在非限制场景下拍摄的(如：透过IP Cam摄影机)，较多光线、角度、局部遮挡、低光、高躁点或画质不佳之情况。

SEETA FACE 6 于NIST FRVT的VISA测试项目中表现突出，于万分之一误认率下达到99.7%之辨识率(0.3% FNMR/ 1/10,000 FMR)。此外，亦于VISA Border测试项达99.06%辨识率(百万分之一误认率)、WILD测试项达96.88%(十万分之一误认率)。以一般智慧型手机上使用的Face ID 为例，提供96%辨识率(万分之一误认率)，可知SEETA FACE 6 提供相对精准、可靠的人脸辨识。

除了演算法外，另一个影响人脸辨识精准度的因素在于摄影机的画面品质，如：解析度、角度、光线、镜头清晰度及摄影机类型。脸部辨识引擎一般来说可使用720p摄影机拍摄的画面，并建议采用1080p的解析度以达到更高的辨识度。摄影机之架设角度需正对拍摄者，光线良好，并保持镜头之干净。

人脸辨识技术的建置类型主要包括「云端人脸辨识服务」(如：Microsoft、AWS等)及「边缘装置人脸辨识」两大类。两种类型都各有其优势，而一般来说，边缘装置人脸辨识主要透过SDK或软体型式建置于边缘装置上，可提供更快的辨识速度、安全性、弹性化以及经济实惠的建置成本。

2.1 云端人脸辨识服务

采用云端人脸辨识服务时，需确保网路连线畅通不间断，以利将摄影镜头拍摄的视讯画面串流至云端进行脸部侦测、特征撷取等。因为拍摄的影像画面是透过网路传输、并储存在伺服器上，除了无法避免的延迟时间外，频宽成本高昂且云端服务存在着一定的风险，除了脸部画面可能外泄外，也存在着遭骇客入侵的安全漏洞危险。

然而，云端人脸辨识服务亦有其优点存在。因为人脸辨识相关处理都是在云端伺服器进行，相较于边缘端的摄影装置上，无须具备AI运算能力的硬体。在各式具备AI运算能力的晶片问市前，早期的人脸辨识技术多以云端技术为主流。云端人脸辨识的代表性厂商包括：

Microsoft Azure的Face API

Google的Vision AI

AWS的Rekognition

对于小规模的建置来说，如家用及小型办公室使用的安控系统、智慧门铃等，在频宽成本不高的状况下，云端的人脸辨识服务对于开发商来说尚属适合。

2.2 边缘装置人脸辨识

近年来，各式各样的边缘装置导入人脸辨识技术的应用越来越多，如：智慧门锁、行动装置、销售时点系统(POS, Point-of-sales)、互动式资讯站(KIOSK)及电子看板等。当人脸辨识运行于边缘装置时，因为无需等待脸部影像上传至云端的时间，可以提供即时的脸部侦测及辨识，于辨识率上也有极佳表现。事实上，大多边缘装置的人脸辨识应用，脸部侦测以及特征值撷取的过程都是发生在边缘端。在进行资料库比对时，无论脸部资料是储存于边缘装置上、或是在云端资料库上，因为比对的是撷取出的特征值(以SEETA FACE 6为例，特征值档案尺寸仅3KB)，在资料上传、比对、回传的时间远少于云端人脸辨识，通常在几微秒间即可完成。

近年来，AI边缘装置的运算能力大幅提升，让人脸辨识的应用可以实现在各式应用场景中。以金融机构为例，许多金融场所为了安全因素且并无网际网路连线，此时若需导入人脸辨识，就须大幅仰赖边缘运算装置。

人脸辨识于边缘运算装置具有低建置成本及高度扩展性，已成为各式人脸辨识应用的首选。

SEETA FACE 6  AI人脸辨识SDK可运行于Windows、Linux、Android及iOS等作业系统

SEETA FACE 6 AI脸部辨识引擎即是一款专为边缘装置开发的人脸辨识SDK (Software Development Kit)，可弹性整合在各式边缘运算装置上，并可广泛支援各式晶片及作业系统，在全球知名的NIST FRVT人脸辨识技术基准测试中表现亮眼。SEETA FACE 6 可弹性建置于各式物联网应用场景中，如：安防、门禁、公众安全、智慧金融、智慧零售、智慧城市及智慧家居，提供安全、可靠、高辨识率的人脸辨识方案。

2.3 边缘装置上的人脸辨识应用是未来发展主要趋势

接下来，让我们以 (1)建置成本、(2)反应时间，及(3)服务可用性这三个面向来进一步说明。

2.3.1 建置成本

AI人工智慧相当讲求运算能力。云端人脸辨识通常是以处理的脸部数目进行计价。当需要处理的脸部资讯较少时，如家用智慧门锁每小时仅处理几张脸部影像，这类的小型建置可考虑使用云端人脸辨识。但若需处理的脸部数目较大，例如每小时需辨别数百、数千张人脸的安防建置或办公室门禁系统，则边缘运算是较佳选择。值得注意的是，越来越多晶片支援AI运算，硬体成本也大幅降低，以长远来看，在边缘装置上布署AI人脸辨识是更好的选择。

2.3.2 反应时间

在边缘装置上的人脸辨识运算，顶尖的演算法可在数毫秒内完成。相较之下，云端人脸辨识需等待即时影像串流至云端及处理，动辄需要数秒的处理时间。以许多人脸辨识的实际应用来说，人脸辨识的处理时间至关重要，例如门禁系统通常需要于数微秒间完成辨识及解锁才具备可用性。其他如安控、刷脸交易与支付、身份辨识等应用场景，对人脸辨识的反应时间亦有极高需求，此时反应时间短的边缘装置人脸辨识具备了绝对优势。

2.3.3 服务可用性

网路连线是使用云端人脸辨识时必备要素，然而在许多应用场景中，若因为网路连线不稳，甚至无法连接网路时，云端人脸辨识将无法使用。试着想像，若今天您的智慧门锁需仰赖网路连线进行脸部解锁，但不巧网路断线时该怎么办？

相较之下，于边缘运算装置建置人脸辨识是更好的选择，即使在没有网路的状态下、或是在无法架设网路的环境下，也可以正常运作。接下来，我们将深入探讨在边缘装置上建置人脸辨识的优势。

3. 于边缘装置上建置人脸辨识的主要考量

建置人脸辨识边缘设备时，因应不同的应用场景与情境来选择适合的晶片是相当重要的一环，选择结果也会影响到成本与效能。举例来说，高阶的NVIDIA GPU晶片价格相对昂贵，但其运算能力可在安控场景同时处理上百路摄影机之视讯，可减少于大型场域安控应用中所需要架设的工作站数量，大幅降低成本。另一方面，联发科、高通或是恩智浦的低成本SoC晶片虽然运算效能相对较低，大约每秒5帧，仅能满足正面的人脸辨识，但具备低功耗、低发热等特性，可满足绝大部分的AIoT的需求，更适合轻量化设备使用。

3.1 专属晶片或单晶片系统(SoC)

AI晶片或是单晶片系统 (SoC)是影响人脸辨识优化的重要因素之一。 Intel、NVIDIA、联发科(MediaTek)、恩智浦(NXP)、高通(Qualcomm)等晶片制造商提供了完整的方案选择，针对不同使用环境提供对应的优势。每种晶片皆内建AI推理引擎，并依照不同的运算能力、设备尺寸及外观，以及功耗设计而成。

NVIDIA、Intel、高通、联发科以及恩智浦等晶片大厂掌握了边缘与物联网AI技术的先机，将新的APU (AI Processing Unit)，VPU (Vision Processing Unit, 视觉处理器)以及NPU (Neural Network Processing Unit类神经网路处理器) 快速导入市场，加快图像处理与AI推理的速度，并同时优化效能与降低功耗。

在下一个章节中，罗列出市面上绝大部分可支援脸部辨识引擎 (如FaceMe�)的SoC、GPU以及VPU等产品比较。

3.1.1 独立的GPU或VPU

这类专属晶片系透过独立的图像处理器(GPU)或视觉处理器(VPU)进行运算，可提供专属、高效能的AI运算，如AI人脸辨识。于建置此类系统时，需额外搭配中央处理器(CPU)。

3.1.2 于CPU/SoC中整合GPU/NPU/APU

于SoC中整合了CPU与专为AI运算的GPU/NPU/APU，提供更简易与价格优惠的绝佳性价比解决方案，即使是用于轻量化的物联网装置，仍可轻松导入人脸辨识技术。

3.2 作业系统

各种晶片均有其可以支援的作业系统 (OS)。一个好的脸部辨识引擎应需支援多种晶片与作业系统的组合。以FaceMe�为例，可相容于市面上绝大多数晶片与作业系统的组合，并可支援10种以上的作业系统与晶片的组合：

Windows

Android

iOS

各种Linux 分支版本

Ubuntu x64,

Ubuntu ARM,

RedHat,

JetPack (mainly for NVIDIA Jetson family),

CentOS,

Yocto ARM

SEETA FACE 6 可应用于多项领域中，针对不同的硬体配置 (如搭载的晶片以及作业系统)，提供弹性且客制化的方案，满足各种场域的应用需求。 支援各种作业系统，适合多种跨平台的解决方案，开发人员可选择在NVIDIA  CUDA™及Intel  Movidius™等硬体上启用GPU/VPU加速，或针对采用NVIDIA Jetson™及ARM的IoT/AIoT设备上开启效能优化。此外，亦支援OpenVINO™、TensorRT、 Qualcomm SNPE及MediaTek NeuroPilot等多种AI逻辑推理引擎。因此，无论是采用何种硬体配置或架构，皆可快速导入，加速深度学习演算法的运算速度。

3.3 透过系统架构优化实现最佳效能

在内建GPU (或是VPU)的高效能工作站或是PC上，执行人脸辨识技术绝非易事。于系统汇流排中，CPU、GPU以及记忆体之间有数十个影像串流不断进行。若无法于系统架构层进行优化，即使是顶尖的人脸辨识演算法，也无法达到快速且精准的辨识率。因此，系统架构设计上，应要降低CPU、GPU以及记忆体之间的数据传输数量。

透过系统架构不断地优化，SEETA FACE 6 可提供绝佳的辨识效能。举例来说，在单一工作站上，SEETA FACE 6 搭配NVIDIA RTX A6000的晶片，可达到每秒处理256 - 416帧的效能 (实际数据会因不同的SEETA FACE 6 人脸辨识模型而有所差异)，相当于每个工作站同时处理25 – 41路视讯串流 (假设每路视讯之辨识频率为每秒10帧)，为市场带来绝佳的性价比人脸辨识解决方案。

3.4 轻量型的AI人脸辨识模型

人脸辨识的应用场景相当广泛，像是某些仅需要正脸的应用场景，如智慧门锁，仅需使用较轻量型的人脸辨识模型，即可在较低成本的设备上导入人脸辨识。 SEETA FACE 6 提供以下三种模型满足各种应用需求：

• 超高精准模型(UH, Ultra High Precision): 此方案可同时针对正脸证件照与大角度实境照的脸部相片，提供绝佳且精准的辨识率，因此，此方案需要搭配高效能运算能力的装置或设备，如GPU、VPU或是高阶的Intel CPU。

• 较高精准模型(VH, Very High Precision): 此方案同样可针对正脸相片与大角度实境照进行人脸辨识，其精准度仅略低于SEETA FACE 6超高精准模型，但所需的运算能力不需像超高模型的高端配置，可同时兼顾高精准度辨识率与价格实惠的应用需求。

高精准模型(H, High Precision Model): 此方案适用于低成本且低运算能力的晶片，对于仅需要辨识相对正面的脸部相片，可提供高精准度的辨识率。

4. 边缘设备人脸辨识: 本地装置与工作站

SEETA FACE 6 为全球顶尖的AI脸部辨识引擎，可适用于各式硬体设备，实现弹性化的建置。 SEETA FACE 6可轻松部署在各类工作站，电脑，行动装置与IoT设备中。相关案例如下:

人脸辨识于工作站的应用

以安控应用来说，于单一工作站上，可透过安装单张或多张GPU卡，同时处理数十或数百路IP摄影机视讯串流。当应用于百货公司，机场，工厂或是医院等大型场域中，动辄需要处理数十、甚至数百个摄影机之视讯串流，来进行人员门禁监控、访客行为分析、人群管理以及VIP客户识别等需求。藉由一个或数个的工作站，连接所有场域内的摄影机来进行人脸辨识技术，可提供最简易、可靠与经济实惠的解决方案。

如需要了解更多关于SEETA FACE 6于工作站的应用与优势，请参考其人脸辨识安控解决方案。

人脸辨识于个人电脑的应用

于小规模的应用场域，如商店或是餐厅，可使用个人电脑来进行人脸辨识应用，如：进行VIP识别、员工出勤管理以及黑名单人员示警等功能。在疫情时代下，不论是员工或是客户，确保所有进出建筑物内的人员是否皆有配戴口罩，并且体温是否在正常范围内，已成为日常必备。为此，商店或餐厅的管理人员可于前、后门安装IP相机或是USB相机，并连接到已安装人脸辨识软体的PC上，进行人员健康安控管理。讯连科技经济实惠的FaceMe� Security即用型解决方案可满足疫情时代需求。

人脸辨识于行动装置上的应用

人脸辨识技术在行动装置上早已不局限于手机解锁。在智慧金融科技的领域中，于手机上进行电子化了解您的客户(eKYC)人脸辨识技术，可强化网路银行、贷款申请、保险申办等身分验证准确度。

人脸辨识于智慧物联网设备上的应用

边缘运算的创新不仅提高设备效能，同时降低建置成本，开启了人脸辨识在物联网设备上的广泛应用，智慧自助服务机(Smart Kiocks)则是指标性案例。对于经常旅行的人来说，对采用人脸辨识技术的全球通关(Global Entry)以及机场快速安检(Clear)的设备肯定不陌生。目前，具备人脸辨识技术的智慧自助服务机也已广泛应用在速食餐厅、医疗院所以及饭店旅馆中。此外，自助入住报到设备也已导入大型连锁旅馆中，以节省排队等候的时间。采用人脸辨识技术(如FaceMe�) 可为消费者带来绝佳的使用者体验，在整趟旅程中，仅需使用人脸即可取代以往的身分辨识方式。

5. 其他设计考量：安全性、加密技术与隐私维权

如前所述，云端架构须撷取个人照片或影片，并透过网路串连至云端伺服器进行运算，此过程无庸置疑地容易遭到攻击与泄漏。相较于云端架构，边缘架构的人脸辨识安全性更高的多。架设于边缘架构时，各种数据仅会以加密的脸部特征值形式被储存，且整个过程无须串连云端，此举可大幅减少风险。

所有SEETA FACE 6 的资料在使用AES-256位加储密存到任何资料库之前都是安全的。 AES是最好的对称加密算法之一，而256位是最高级别的安全性认证。由于脸部特征值资料透过密钥进行加密，并且分别储存在原始资料与平台伺服器以外，受到完整保护，即使硬体装置被破坏或盗取也无法读取资料。

请务必注意，每个人必须选取任何一种指定的人脸辨识程序来绑定的脸部照片。在边缘架构的解决方案中，被撷取的资讯包含脸部特征值数据(透过高维度撷取)，以供未来进行比对和识别使用。此特征值不包含实际的人脸图片、无法重构人脸，并且与所有可进行身份识别的个人讯息分开储存。

获取到用于人脸辨识的加密资料只能用于与储存在安全资料库中的已注册特征值建立匹配。许多数据隐私法律和法规(例如GDPR，CCPA，BIPA和LGPD)都将生物识别数据视为个人讯息，因此，任何需要导入人脸辨识的企业，都必须征得用户的同意方能进行脸部绑定。

在评估脸部辨试供应商时，须特别注意他们的总部和关键设备的所在地。美国政府曾对总部设于中国和俄罗斯企业的监视技术表达过相当大的担忧，因为它们可能没有足够的供应商可供选择或什至没有保护个人数据的需求。大多数人脸辨识解决方案都是安全的、并有着相当严谨的数据和隐私保护标准。但是作为终端用户，您的服务供应商应该要让您完全信任，尤其是在安全性，隐私权和人权保护方面。

6. 人脸辨识技术：树立规范

当人脸辨识与生物识别技术逐渐发展与扩张，极有可能从根本上改变我们生活中的各种面向。尽管人脸辨识技术拥有极大的潜力，可用做改善公共安全、保护性和客户体验，然而，我们也不能忽视此技术造成的隐忧。近期发生许多与人脸辨识技术相关的公共安全案例，让倡导团体重新省思人脸辨识，并对潜在的偏差和侵犯隐私行为提出了批评。

以美国来说，尽管目前没有任何联邦法规进行人脸辨识规范，但部分州已针对人脸辨识拟定法规程序。伊利诺伊州是第一个处理脸部的州，该州于2008年通过了《生物特征信息保密法》(BIPA, Biometric Information Privacy Act)，该法对私营企业如何收集和使用生物特征资料(包括脸部资料)提供了严格的规定。大约十年之后，2020年，加州消费者隐私法(CCPA, California Consumer Privacy Act)生效，赋予居民可诉诸的权利，以要求企业告知如何与搜集哪些资料(包括生物识别数据)，并保留可要求其删除该数据的权利。华盛顿州还通过了一项法律，将于2021年生效，该法律要求所有政府机关(例如执法部门)须完全透明地使用该技术。

此外，尽管已出现关于联邦法规的讨论，甚至于2020年6月提出了《人脸辨识和生物识别技术中止法案》(Facial Recognition and Biometric Technology Moratorium Act)，但至今尚未生效。

考虑到此点，讯连科技相当遵循道德规范，然而我们认为不应将人脸辨识技术完全拒于门外面，我们充分鼓励立法单位制定保护个人的法规，同时冀望这项技术尽其所能更全面地提升社会的安全性和便利性。该领域的先驱更需以身作则，开诚布公地将该技术的运作方式，如何被应用以及如何保护个人隐私公开让世人知晓。

7. 人脸辨识的实际应用

时至今日，人脸辨识因为其安全性、易用性及提升使用者客户体验，已于许多产业及场景落地 - 即便尚有许多待定义使用规范。美国行业安全协会(SIA, Security Industry Association)进行的一项最新调查发现，大多数美国人(68%)认为人脸辨识可以使社会更加安全，这项技术尤其在机场得到了支持(航空公司导入比例为75%；运输安全管理局导入比例为69%)，办公大楼(70%)和银行业(68%)。虽然我们在前段概述中引用了许多案例，在接下来的章节我们将介绍更多应用案例，并重点说明每个案例的关键事项。

主要的成功案例可分为五大类别：

门禁管理，例如：人员进出管理，医疗智慧药柜，智能门锁

监控安全系统，例如：于仓库区域侦测是否有未授权人士

身分验证，例如：使用BFSI(银行，金融服务和保险)的主要应用eKYC (电子化认识你的客户)

智慧零售，例如：搜集来店客的统计数据

疫情期间的健康控管，例如：检测口罩是否正确佩戴

SEETA FACE 6 Security在监控安全系统方面提供全方位的人脸辨识应用。

SEETA FACE 6 可轻松地部署在个人电脑上，透过USB连接热感应摄影机以执行非接触性的健康量测功能，确保办公室，门市或餐厅的安全：

AI生物辨识技术，更驱动了特定垂直领域的相关应用，如：

制造业与仓储管理

工业设备端、产线与仓库通常须对员工与访客进行严格出入监控，以及须对操作机器与设备的员工进行身份验证，而人脸辨识提供了完善的解决方案。此外，在疫情期间为配合新的社交距离规定，人脸辨识也可确保仓库人员妥善配戴口罩。

使用人脸辨识技术进行医院的人员控管

公共运输与机场管理

人脸辨识的应用已渐渐出现在机场和车站，从互动式服务机(例如：快速通关系统和全球入境计划)到自动登机系统以及安全监控等。在COVID-19的疫情影响下，在这些经常有大批人潮通过的交通枢纽中，加剧了维持安全和健康环境的挑战。而人脸辨识可以帮助应对这些挑战，实现非接触式登机和健康量测、监控旅客是否正确配戴口罩，并确保没有发烧的乘客才能登机、搭乘火车与公共汽车，降低感染周围其他人的风险。

于机场使用人脸辨识技术

智慧办公室、智慧居家、综合住宅区、医疗机构，大专院校

智慧城市的创新(包括智慧办公室，智慧居家和住商大楼)正在迅速发展，而门禁管理、安全和健康监控系统的需求也同时大幅增加，包含学校和医院，须藉由人力维护安全性往往相当昂贵。透过人脸辨识，许多进出管理与监控的工作可以迈向自动化，使之变得更加安全。

使用人脸辨识进行智慧办公室门禁

智慧零售

人脸辨识技术

创新了零售市场，并提供全新、引人注目的客户体验，这项技术不仅提供精确的人流统计资讯，更可于数位电子看板进行分众式广告、辨别VIP客户，同时搜集访客的年龄、性别组合、情绪状态、在特定区域停留的时间等数据。

于电子看板针对年龄、性别投放分众广告

智慧金融与银行

使用eKYC(电子认识您的客户)是近年来金融领域的热门技术，可强化身分认证及防止欺诈。人脸辨识为线上和实体银行的eKYC提供了完美的解决方案，包括在ATM上进行用户的身份验证，申请贷款或保险人的身份认证以保护线上交易的安全。人脸辨识还能在黑名单进入银行前或是犯罪前，向保全人员发出警告，从而大幅增强了银行机构的人身安全。

于ATM自动提款机进行脸部验证

智慧餐饮与饭店管理：餐厅、酒吧、饭店

对于饭店运营商而言，人脸辨识拥有极佳的优势，可提供即时的客制化体验。当VIP走进饭店时，柜台接待人员会自动收到通知，此外，人脸辨识可以管控客户进出特定区域的权限，让客户选择正确的电梯与楼层并解锁指定房门。

速食店也大量投资自助点餐机、数位化电子看板、路边取餐机与得来速等设备，而集点回馈活动已完全整合于这些系统中，通常是透过手机应用程式输入密码和几个步骤来执行，若速食业者导入人脸辨识，可有效简化以往繁复的集点活动流程，提升互动体验，从而提升速食店的服务品质。

使用AI人脸辨识的自助式点餐机

人脸辨识的未来展望 – 最具市场潜力的人工智慧生物辨识技术

人脸辨识技术的出现将使我们的世界变得更美好，但要做到这一点，于商业及公领域应用上需有更广泛、严谨的道德规范，让世界各地的个人可以撇除疑虑，接纳使用这种新兴的人工智慧生物辨识技术做为新的安全标准。

人脸辨识极具潜力，企业可透过此技术进行办公场所的安控来保障员工安全、零售商可在商店中使用此技术强化客户体验、制造业可使用此技术来强化进入限制区域的人员控管，而金融科技产业则可使用此技术引进更强大、安全的认证机制。在可期的未来，人脸辨识在许多应用领域极具潜力。

人脸辨识是人工智慧生物辨识技术的未来，然而伴之而来的，厂商也须谨慎运用此技术，并透过适当的监管规范、使用者教育来消弭对人脸辨识相关的疑虑。在不妨碍创新的前提之下，让消费者可以体验、接受人脸辨识的优点，进而采用。