事實上，大多邊緣裝置的人臉辨識應用，臉部偵測以及特徵值擷取的過程都是發生在邊緣端。 請務必注意，每個人必須選取任何一種指定的人臉辨識程序來綁定的臉部照片。 在邊緣架構的解決方案中，被擷取的資訊包含臉部特徵值數據(透過高維度擷取)，以供未來進行比對和識別使用。 此特徵值不包含實際的人臉圖片、無法重構人臉，並且與所有可進行身份識別的個人訊息分開儲存。 測試中最好與最差的演算法差距在1%左右，而真實環境中，這1%相對顯得不是這麼重要，而是系統的敏捷、穩定性，希望在動態辨識的環境中，可以維持迅速的辨識速度，及系統長期使用的穩定性，才是重要的目標。
然後可以看到這個測試，其實更新資料集的頻率滿高的，可以看到2019年2月的時候更換了mugshot database、2019年7月再新增Visa-Border資料集。 使用一般網路攝影機所拍攝的照片，容易有過曝、或光線不足的情況，不過由於架設角度固定，所以照片對人臉的角度，會比Wild來的受控。 兒童照片也是在非限制場景下採集的，因為年齡分佈跟大家的訓練集可能差別比較大，所以也是非常難的一個任務。 自然場景的照片是在非限制場景下採集的，各種光照，角度，遮擋，模糊，低分辨率的情況都可能會出現。
fnmr: 2.3 服務可用性
擷取到用於人臉辨識的加密資料只能用於與儲存在安全資料庫中的已註冊特徵值建立匹配。 fnmr 許多數據隱私法律和法規(例如GDPR，CCPA，BIPA和LGPD)都將生物識別數據視為個人訊息，因此，任何需要導入人臉辨識的企業，都必須徵得用戶的同意方能進行臉部綁定。 fnmr 在智慧金融科技的領域中，於手機上進行電子化了解您的客戶人臉辨識技術，可強化網路銀行、貸款申請、保險申辦等身分驗證準確度。
AES是最好的對稱加密算法之一，而256位是最高級別的安全性認證。 由於臉部特徵值資料透過密鑰進行加密，並且分別儲存在原始資料與平台伺服器以外，受到完整保護，即使硬體裝置被破壞或盜取也無法讀取資料。 fnmr 而FaceMe於NIST FRVT中的「證件照邊境查驗 」測試項目中表現突出，於百萬分之一誤認率下達到99.48%之辨識率，在「實境照比對檢索 」測試中，也在十萬分之一誤認率下達到97%的辨識率。
fnmr: 3 透過系統架構優化實現最佳效能
不過作為台灣本土的演算法，在市場環境不明朗之下，要投入資源來參加世界級的比賽本身就很困難，所以整體的表現仍十分值得肯定。 NIST是美國的官方機構，所以外界多推測其資料庫在歐美人士臉孔的比例會比較高，這其實也對於以東方臉孔作為主要訓練集的廠商，可能會比較吃虧。 不過殘酷的是，其實許多大廠比較有資源，可以找到更多的臉孔訓練集來訓練，這些都是需要投注大量成本。 也可以從這個端倪看到，中國AI的市場熱錢很多，讓很多公司都投注資源在參加這些訓練，來展示實力。 第二種，同一個人會好幾張照片，有時候資訊更多是件好事，但有時候不是，反而會干擾特徵值，對於演算法來說是一個挑戰。 Image Group內的工作主要是針對生物資訊的識別技術做研究，使這些技術所蒐集的數據在各機構之間共享，並且提升整體之生物識別技術準確程度。
相較之下，2D活體辨識可相容於現行裝置之攝影鏡頭，並提供一定準確度的活體辨識。 以FaceMe來說，其人臉辨識技術可支援2D相機或3D景深相機之活體辨識。 FaceMe可支援的3D景深相機包括：Intel RealSense、iPad及iPhone上的3D結構光相機、奧比中光、奇景光電、華晶科技及鈺立微電子等。
藍色小數字是排序，誤辨率約低越好，可以看到有水準的演算法，誤辨率都小於0.1%，代表整體的正確率達到98%以上。 這個排行將mugshot, visa, visa border, and wild等資料集的測驗結果排名平均，也就是說，你不一定要每一項都是最好的，你只要整體平均好就好。 在FRVT的測試中，NIST要求每個廠商或者研究機構都要提供完整的算法代碼，並且由NIST在同一個平台上來運行所有提交，得到最終各個測試集上的結果。 而從2017 年2 月份開始，NIST 開始組織新的人臉識別測評，不同於以往的測評，這次測評沒有截止日期，參加測評者可以根據自身進度提交算法，每隔一段時間出一次報告。
fnmr: 證券櫃檯買賣中心
在評估人臉辨識廠商時，須特別注意他們的總部和關鍵設備的所在地。 美國政府曾對總部設於中國和俄羅斯企業的監視技術表達過相當大的擔憂，因為它們可能沒有足夠的供應商可供選擇或甚至沒有保護個人數據的需求。 大多數人臉辨識解決方案都是安全的、並有著相當嚴謹的數據和隱私保護標準。 但是作為終端用戶，您的服務供應商應該要讓您完全信任，尤其是在安全性，隱私權和人權保護方面。
這邊講的是FRVT的接受測試方式，最一開始，FRVT測評在之前一共舉辦過五次（FRVT 2000， FRVT 2002，FRVT 2006, FRVT 2010, FRVT 2013）。 恩智浦i.MX8M Plus系列專注於機器學習、電腦視覺、多媒體與工業物聯網領域，具備高可靠性。 其中還在SoC中新增功能強大的NPU，大幅增強AI演算法效能。 NVIDIA於2021年發表Jetson Orin NX與Jetson AGX Orin，兩者皆採用全新Ampere架構並達到上一代產品的5至6倍效能。
fnmr: 電子書
2D相機 (如：webcam或一般手機前鏡頭)可透過互動或非互動方式進行活體辨識，互動方式係透過頭部指令(如：點頭、搖頭)或臉部表情(如：眨眼、張嘴)進行活體判別。 而非互動方式係透過各開發商的獨家演算法，進行真偽判別及辨識。 於疫情期間，口罩偵測是最熱門的應用項目之一，用以確保公共或私人場所之訪客是否正確配戴口罩，及配口罩時進行身分辨識，以保障健康及訪客安全。 而此擷取出的特徵值，可進一步用來比對資料庫中最近似的資料，得出正確身分。 人臉辨識技術除了常見的臉部偵測及身分比對外，亦包含了特徵偵測(如：性別、年齡、情緒)、口罩偵測等多種功能。
- 對於算法的運行時間也有著很嚴格的限制，所有提交都只能使用不超過CPU單線程1秒的計算資源來處理一張圖片從人臉檢測、人臉對齊到人臉特徵提取和識別的所有功能。
- 然後可以看到這個測試，其實更新資料集的頻率滿高的，可以看到2019年2月的時候更換了mugshot database、2019年7月再新增Visa-Border資料集。
- 曾任職精誠資訊資安產品代理部門技術經理，負責 資安產品之技術支援與大型企業導入專案。
- 這類晶片是專為人臉辨識而設計，擁有優秀的硬體與出色的效能表現。
- 交易金融工具或加密貨幣之前，你應完全瞭解與金融市場交易相關的風險和代價、細心考慮你的投資目標、經驗水平和風險取向，並在有需要時尋求專業建議。
接著，英國法律規定了警察收集指紋和DNA的條件，以及在採集數據後會發生什麼情況，但目前不涵蓋人臉識別圖像和數據。 後續只能靠GDPR來做為輔助，不過角色不太一樣，GDPR指的是個人隱私資料，而非專注於生物識別資料的法律。 下一步，看結果，由於算法更複雜、資料集分類方式也多，所以測驗結果的總表會有很多張，我們挑某一張來看看就好。 除了child exploitation之外，多代表這個演算法可能有問題，或是針對該類資料集表現太差，導致無法完成。
不過很可惜的，在某幾次測驗中，有96％被識別出是嫌疑犯的民眾，都是無辜被誤認的。 這個代表幾種意義，第一種，嫌疑犯本身的圖像質量太差，第二種，系統的閥值太低，第三種，攝影機所獲取的影像質量太差，第四種，演算法本身不夠好(不過NEC已經是全球名列前茅的技術之一)。 fnmr 另外順帶一提的是CPU這件事情，原先的FRVT的測試中，是允許GPU的使用，直到2019年2月之後，NIST不再開放GPU使用，只能做CPU使用。 我不太確定這個的主要原因是什麼，雖然可以讓測試環境更加單純，可以更佳的評比出演算法本身的優勢，不過GPU作為新一代AI應用的重要武器，使得FRVT本身會排除掉一些以GPU為主攻的演算法。 企業能因此大幅提高效率、改善用戶體驗，然而伴之而來的，是商業及公領域更全面、嚴謹的監管規範及使用者教育，以撇除大眾疑慮，讓消費者接納使用這種新興的人工智慧生物辨識技術做為新的安全標準。 AI生物辨識技術，更驅動了製造業、公共運輸、零售物流等各類產業的相關應用。
fnmr: 1 邊緣裝置：低成本、高彈性的人臉辨識
FaceMe可彈性建置於各式物聯網應用場景中，如：智慧安防及門禁、公眾安全及健康管理、智慧零售、智慧考勤打卡、智慧城市及智慧家居，提供安全、可靠、高辨識率的人臉辨識方案。 AI晶片或是單晶片系統 fnmr (system-on-chip, SoC)是影響人臉辨識優化的重要因素之一。 Intel、NVIDIA、聯發科、恩智浦、高通等晶片製造商提供了完整的方案選擇，針對不同使用環境提供對應的優勢。
除了演算法外，另一個影響人臉辨識精準度的因素在於攝影機的畫面品質，如：解析度、角度、光線、鏡頭清晰度及攝影機類型。 fnmr 臉部辨識引擎一般來說可使用720p攝影機拍攝的畫面，並建議採用1080p的解析度以達到更高的辨識度。 而透過深度神經網路，就能以 AI 演算法及數學算式量測人臉的各項變數、化為特徵值，再比對資料庫以找出該人臉之正確身分。
為此，商店或餐廳的管理人員可於前、後門安裝IP相機或是USB相機，並連接到已安裝人臉辨識軟體的PC上，進行人員健康安控管理。 訊連科技經濟實惠的FaceMeSecurity 即用型解決方案可滿足疫情時代需求。 在內建GPU (或是VPU)的高效能工作站或是PC上，執行人臉辨識技術絕非易事。
以FaceMe為例，可於同一畫面中偵測出多張人臉，並逐一精準追蹤框列。 基金之基金配息率不代表基金報酬率，且過去配息率不代表未來配息率；基金淨值可能因市場因素而上下波動。 如需要了解更多關於FaceMe於工作站的應用與優勢，請參考訊連科技與其策略夥伴VIVOTEK合作的人臉辨識安控解決方案。
fnmr: 相關連結
這樣做可以讓測試環境更加單純，可以更佳的評比出演算法本身的優勢。 另外，辨識速度也不是FRVT的重要項目，只要在一定時間內識別出即可，代表FRVT強調的是精準度。 所有FaceMe的資料在使用AES-256位加儲密存到任何資料庫之前都是安全的。
聯發科i350擁有專屬APU (AI處理器)，能執行各種視覺相關的邊緣AI應用，如人臉辨識、物件辨識等，並擁有更優異的效能與低功耗表現。 相較之下，於邊緣運算裝置建置人臉辨識是更好的選擇，即使在沒有網路的狀態下、或是在無法架設網路的環境下，也可以正常運作。 接下來，讓我們以 建置成本、反應時間，及服務可用性這三個面向來進一步說明，為何企業應該選擇將人臉辨識部署在邊緣裝置上。
