人臉識別中，取出準確的有效特征值，即使在不一樣的光源、拍攝時間、些微的表情、視角變化，仍能正確判斷，是數(shù)十年來研究的挑戰(zhàn)工作。而近來人臉識別的穩(wěn)定度可以提升到滿足產(chǎn)業(yè)應(yīng)用，在于兩個主要因素：深度卷積網(wǎng)絡(luò)的發(fā)展以及大量的人臉訓(xùn)練數(shù)據(jù)。

卷積網(wǎng)絡(luò)利用層狀的結(jié)構(gòu)來逐步表示影像中的復(fù)雜信號，由低階的線條到高階富有語意(semantic meaning)的物件、情境等。每個階層皆有數(shù)十個（到百個）卷積單元的單元組成—可以想像在各層輸入畫面進行特殊的樣式檢測，再將諸多檢測結(jié)果（反應(yīng)強度）交給下一層繼續(xù)檢測。一般階層個數(shù)由數(shù)個到上百個，端看基底網(wǎng)絡(luò)架構(gòu)以及應(yīng)用復(fù)雜度。目前人臉識別的主流是采用ResNet型態(tài)(在2015年底由任職于微軟研究院的何凱明博士率先提出)的基底網(wǎng)絡(luò)。

識別時，取出末端一層網(wǎng)絡(luò)輸出做為人臉（高緯）特征值。過去的方法，不管是特征臉、局部二值模式、稀疏編碼等，一般類似于使用一到兩層的卷積運算來逼近，相對上，稱為「淺層」作法。與深度卷積網(wǎng)絡(luò)來比，參數(shù)使用量（復(fù)雜度）低，特征值描述能力相當薄弱。更重要的，當利用大量數(shù)據(jù)訓(xùn)練卷積網(wǎng)絡(luò)時，這些重要的檢測樣式還可以由訓(xùn)練樣本中自動學(xué)出，目的是為了讓最后的識別效果達到最好。之前的方法，常從經(jīng)驗當中判斷設(shè)計，不一定吻合應(yīng)用情境。

目前在國際研究社區(qū)也分享了相當多的人臉訓(xùn)練數(shù)據(jù)，甚至達到百萬人的數(shù)目。為何可以收集到這些數(shù)據(jù)？主要來自于網(wǎng)絡(luò)名人（明星、新聞人物）以及社群網(wǎng)站上的公開相簿。但是這也衍伸出其他的問題，比如說這些免費人臉數(shù)據(jù)中絕大部分為西方人，絕少戴眼鏡，畫質(zhì)清晰，在實際場域上還有某些技術(shù)問題得克服，但是已經(jīng)大大降低數(shù)據(jù)收集耗時、耗費的問題。

除數(shù)據(jù)外，訓(xùn)練卷積網(wǎng)絡(luò)的目標函數(shù)（Cost Function）也占了非常重要的角色，比如說單使用常用的交叉熵（Cross-Entropy）來訓(xùn)練人臉識別的穩(wěn)定度，遠遠比不上Large Margin 的系列作法—因為不只在訓(xùn)練網(wǎng)絡(luò)中將人臉正確預(yù)測，還得讓不屬于同個人的人臉特征值分隔遙遠，反之，則得十分接近。

利用目標函數(shù)，還有增益訓(xùn)練數(shù)據(jù)的技術(shù)，還可以訓(xùn)練網(wǎng)絡(luò)解決人臉光影變化過大、化妝、眼鏡的問題，甚至是低解析度的人臉識別。在特殊的安全應(yīng)用上，更可以部分解決人臉偽裝的問題，最近我們獲得國際偽裝人臉識別競賽冠軍，也驗證了這些作法。

人臉識別技術(shù)發(fā)展逐漸成熟，更可能溢出傳統(tǒng)安防領(lǐng)域而成為「個人化」的基礎(chǔ)引擎，而影響各種應(yīng)用情境。如果整合我們擅長的硬件（系統(tǒng)、芯片）技術(shù)，似乎在產(chǎn)業(yè)應(yīng)用上也帶來了新的機會！