人工智能如何辨識人臉？從 Face ID 到監控系統的技術原理

每天早上拿起手機，屏幕會自動解鎖，你甚至不需要按下任何按鈕。從機場的 e-道到社交平台的照片標註功能，人臉辨識技術已經融入日常生活。但這項看似簡單的操作背後，涉及哪些人工智能技術？電腦是如何從一張照片中認出你是誰的？

第一步：人臉偵測，找出畫面中的臉

在辨識「你是誰」之前，系統首先要判斷畫面中「有沒有臉」以及「臉在哪裡」。早期的方法依賴簡單的幾何規則：人臉通常有兩個眼睛、一個鼻子、一個嘴巴，而且它們之間的相對位置大致固定。Viola-Jones 演算法是二零零一年提出的經典方案，透過掃描影像中不同區域的明暗對比來尋找符合人臉特徵的區塊。

如今，人臉偵測已經由深度學習模型主導。這些模型使用卷積神經網絡（CNN）在大量標註了人臉位置的圖片上進行訓練，學會了在各種角度、光線和遮擋情況下準確定位人臉。即使你戴著口罩、側著臉，現代的人臉偵測系統仍能準確找到臉部位置。

第二步：特徵提取，把臉變成數字

找到人臉之後，系統需要從這張臉提取一組能夠代表「你」的數字特徵，稱為「人臉嵌入」。這個過程是由一個經過專門訓練的深度神經網絡完成的。

訓練這類網絡的關鍵在於讓同一個人的不同照片在特徵空間中盡量接近，而不同人的照片則盡量遠離。常見的做法是使用「三元組損失函數」：每次訓練提供三張照片，分別是目標人物的一張參考照、同一個人的另一張照片，以及另一個人的照片。模型學習的目標是讓同一人的兩張照片的距離，比與另一個人的距離更近。

經過數以百萬計的人臉圖片訓練後，這個神經網絡可以將任何一張人臉轉換成一個包含一百二十八至五百一十二個數字的向量。這個向量就像一組獨特的「臉部指紋」，相同的人臉會產生相似的數字組合。

第三步：身份比對，確認你是誰

最後一步是將提取出來的特徵向量與數據庫中已登記的人臉進行比對。系統計算新提取的向量與每一組已登記向量之間的「餘弦相似度」，如果相似度超過設定的信心門檻，系統就判定兩張臉屬於同一個人。

在手機解鎖的情境中，這個數據庫只有一個人的臉，比對過程極快。在機場 e-道或監控系統中，數據庫可能包含數百萬甚至數千萬張人臉，需要依賴高效的檢索技術，例如近似最近鄰搜尋，才能在毫秒級時間內完成比對。

Face ID 的獨特之處：3D 深度感應

Apple 在二零一七年推出的 Face ID 與一般以 2D 照片為基礎的人臉辨識系統有一個關鍵分別：它使用「結構光」技術。iPhone 前方的 TrueDepth 相機系統會投射超過三萬個隱形紅外線光點到你的臉上，然後透過紅外線相機讀取這些光點的變形情況，建構出一張精密的 3D 深度地圖。

這意味著 Face ID 不會被一張打印出來的照片欺騙，因為照片是平面的，無法產生正確的 3D 深度資訊。這也是為甚麼 Face ID 可以在黑暗環境中正常運作，因為它使用的是紅外線而非可見光。

隱私與倫理考量

人臉辨識技術的普及也帶來了隱私爭議。與密碼不同，人臉是無法更改的生物特徵。一旦人臉數據被洩漏，受影響的用戶無法像更換密碼那樣「更換」自己的臉。各國政府對人臉辨識技術的監管態度也各有不同：歐盟的 AI 法案對公共場所的實時人臉辨識設有嚴格限制，而部分地區則在公共安全領域廣泛部署此技術。

Apple 和 Google 等裝置製造商採取的策略是將人臉數據保存在裝置本地，不上傳到雲端伺服器，這種稱為「裝置端處理」的做法在一定程度上降低了數據外洩的風險。

資料來源：Facial Recognition System (Wikipedia) · Apple Face ID Security

開版為AI生成配圖，只供參考會意。