什麼是臉部辨識?

臉部分析器是一款可以透過臉部辨識或確認個人身分的軟體。其透過辨識和測量影像中的臉部特徵來完成這一工作。臉部辨識可以辨識影像或視訊中的人臉,確定兩張影像中的人臉是否屬於同一個人,或者在大量現有影像中搜尋人臉。生物特徵安全系統會在使用者布設和登入期間使用臉部辨識來唯一識別個人以及強化使用者身分驗證活動。行動和個人裝置通常還會使用臉部分析技術來確保裝置安全。

臉部辨識技術有什麼好處?

臉部辨識系統的一些好處如下:

高效安全

臉部辨識是一種快速高效的驗證系統。與指紋或視網膜掃描等其他生物特徵辨識技術相比,它速度更快且更加方便。與輸入密碼或 PIN 相比,臉部辨識的接觸點也更少。其支援多重要素驗證,可進行額外的安全驗證。

提高準確性

與簡單地使用行動電話號碼、電子郵件地址、郵寄地址或 IP 地址相比,臉部辨識是一種能更準確地確定個人身分的方法。例如,從股票到加密貨幣的大多數交易所服務現在都依賴臉部辨識來保護客戶及其資產的安全。

更輕鬆地進行整合

臉部辨識技術可與大多數安全軟體相容,並且也可以輕鬆與其進行整合。例如,帶有前置攝像頭的智慧型手機內建了對臉部辨識演算法或軟體程式碼的支援。

臉部辨識如何運作?

臉部辨識分為三個步驟:偵測、分析和辨識。

偵測

偵測是在影像中尋找人臉的過程。在電腦視覺的支援下,臉部辨識可以從包含一個或多個人臉的影像中偵測和識別個人的人臉。它可以偵測正面和側面輪廓中的臉部資料。

電腦視覺

機器使用電腦視覺來以高於或同於人類的水準且以更快的速度和效率準確辨識影像中的人物、地點和事物。使用複雜的人工智慧 (AI) 技術,電腦視覺可以自動從影像資料中擷取、分析、分類和理解實用資訊。影像資料有很多種形式,例如:

  • 單一影像
  • 影片序列
  • 來自多個相機的視圖
  • 三維資料

分析

然後,臉部辨識系統會分析臉部影像。其會映射和讀取臉形和臉部表情。其可識別臉部特徵標誌,而這些標誌是區分臉部與其他物件的關鍵。臉部辨識技術通常會尋找以下內容:
 
  • 兩眼間的距離
  • 前額到下巴的距離
  • 鼻子到嘴巴的距離
  • 眼窩深度
  • 顴骨形狀
  • 嘴唇、耳朵和下巴的輪廓
 
然後,系統將人臉辨識資料轉換成一串數字或點,我們將其稱為臉紋。每個人都有一個獨特的臉紋,類似於指紋。我們也可以反向利用臉部辨識所用的資訊,即以數位方式重建人的臉部。

辨識

臉部辨識可以透過比較兩個或更多影像中的臉部並評估臉部比對的可能性來辨識個人的身分。例如,其可以驗證行動裝置相機拍攝的自拍照中顯示的人臉是否與政府頒發的身分證件 (如駕照或護照) 影像中的人臉相符,以及驗證自拍照中顯示的人臉是否與先前擷取的一組人臉不相符。

臉部辨識系統有哪些使用案例?

以下是臉部辨識系統的一些實際應用:

詐騙偵測

公司使用臉部識別來對在線上平台建立新帳戶的使用者進行唯一識別。完成此操作後,可以使用臉部辨識來驗證使用該帳戶的實際人員的身分,以防有風險或可疑的帳戶活動。

網路安全

公司使用臉部辨識技術而不是密碼來強化網路安全措施。未經授權存取臉部辨識系統極具挑戰性,因為您的臉部是無法變更的。在解除鎖定智慧型手機和其他個人裝置方面,臉部辨識軟體也是一種便捷且高度準確的安全工具。

機場和邊境管制

許多機場使用生物特徵資料作為護照,讓旅客免於排長隊並透過自動化航廈更快地到達登機口。電子護照形式的臉部辨識技術減少了等待時間並提高了安全性。

銀行

個人只需簡單地查看他們的手機或電腦,就可以驗證交易,而不是使用一次性密碼或兩步驟驗證。臉部辨識更安全,因為沒有可供駭客破解的密碼。同樣,一些 ATM 提款和結帳收銀機可以使用臉部辨識來核准付款。

醫療保健

臉部辨識可用於存取患者記錄。它可以簡化醫療保健機構中的患者註冊流程,並自動偵測患者的疼痛和情緒。

臉部辨識是否準確?

在理想條件下,臉部辨識演算法具有近乎完美的準確度。在受控環境中的成功率較高,但在現實世界中的執行率通常較低。很難準確預測這項技術的成功率,因為沒有單一的衡量標準可以提供完整的情況。
 
例如,臉部驗證演算法將人與清晰的參考影像進行比對,例如駕照或特寫照片,進而可以實現高精度分數。但是,這種準確度只有在以下情況下才能實現:
 
  • 一致的位置和照明
  • 清晰且一覽無餘的臉部特徵
  • 受控的顏色和背景
  • 相機品質和影像解析度
 
影響錯誤率的另一個因素是衰老。隨著時間的推移,臉部的變化使得其難以與幾年前拍攝的照片進行比對。

臉部辨識是否安全?

臉部辨識系統使用獨特的數學模式來儲存生物特徵資料。因此,它們是生物特徵辨識技術中最安全、最有效的識別方法之一。臉部資料可以匿名化並保持私密,以降低未經授權存取的風險。活體偵測技術可將現實的使用者與其臉部影像予以區分。這樣一來,即可防止系統被現實使用者的照片所欺騙。

臉部辨識的可信度分數是多少?

可信度分數 (也稱為相似度分數) 對於人臉偵測和比較系統至關重要。他們會提供有關兩個影像之間相似程度的意見回饋。可信度分數較高表示兩個影像屬於同一個人的可能性較高。因此,可信度分數會使用 AI 來預測影像中是否存在人臉或是否與另一張影像中的人臉相符。

可信度分數閾值

臉部辨識系統使用 AI 進行的每個預測都有相應的分數閾值層級,且您可以對此進行變更。在通常情況下,大多數自動比對的相符百分比都很高,例如,高於 99% 的可信度分數。具有較低可信度分數的比對可用於查看下一個最接近的潛在比對,然後由人工調查人員進行進一步評估。

還有哪些其他類型的生物特徵辨識技術?

生物特徵辨識是基於獨特且可區分的特徵辨識個體的過程。除了臉部辨識,還有許多其他類型的生物特徵辨識:

指紋驗證

指紋辨識軟體透過將個人的指紋與資料庫中的一個或多個指紋進行比較來驗證個人的身分。

DNA 比對

DNA 比對透過分析個體 DNA 的片段來確定個人身分。該技術在實驗室中對 DNA 進行測序,並將其與資料庫中的樣本進行比較。

眼睛辨識

眼睛辨識可分析虹膜中的特徵或視網膜中的靜脈圖案,以確定比對情況並識別個人身分。

手形辨識

您可以透過他們的手形特徵來唯一識別個人的身分,例如手指的長度和手的寬度。相機可擷取手的剪影並將其與資料庫進行比較。

語音識別

語音識別系統會擷取可區分個人語音與其他語音的特徵。它會建立一個類似於指紋或臉紋的聲紋,並將其與資料庫中的樣本進行比對。

簽名辨識

您可以使用技術來分析筆跡風格,或使用進階演算法來比較兩個掃描的簽名。

AWS 如何在臉部辨識方面提供協助?

您可以利用 Amazon Rekognition 透過機器學習自動進行影像和影片分析。Amazon Rekognition 提供預先訓練和可自訂的電腦視覺功能,可從您的影像和影片中擷取臉部資訊和洞察。您可以使用 Amazon Rekognition 執行以下任務:

  • 數分鐘內分析和偵測數百萬張照片和影片中的人臉
  • 在您的使用者布設和身分驗證工作流程中,新增臉部比較和分析以遠端方式驗證已選擇加入的使用者身分
  • 確定臉部與另一張相片或您的私人影像儲存庫的相似性
  • 建立家庭自動化體驗,例如在偵測到人時自動開燈

立即建立一個免費帳戶,開始使用 AWS 上的臉部辨識。

使用 AWS 進行臉部辨識的後續步驟

查看額外的產品相關資源
進一步了解機器學習服務 
註冊免費帳戶

立即存取 AWS 免費方案。 

註冊 
開始在主控台進行建置

開始在 AWS 管理主控台使用 AWS 進行建置。

登入