【台湾人脸辨识实例：中华电信】千分之一少数是关键，百万人脸AI仍须在地图库才够准

十年研发，搜罗全球百万张人脸照片训练的脸部辨识引擎，遇上自家员工的脸，竟然出了状况。去年10月，中华电信研究院信心满满地展开了一项实测计划，在实验室测试辨识度高达99%的脸部辨识引擎，却在辨识员工人脸时，效果大打折扣，常常会认不出来。

用了全球人脸公开数据库训练，准确率有世界级水准的自制脸部辨识技术，实测为何失准？他们灵机一动，改换用在地人脸，仅增加数千张亚洲脸孔，在辨识人脸时就有了近1成的提升，甚至还比原先百万张国外人脸训练的模型辨识效果更好，大大改善了原有台湾人脸辨识度的不足。该院巨量资料研究所所长汪世昌说：“这正是人脸辨识要在台湾落地的应用关键，只有用台湾人脸资料，才能打造出最符合在地化使用的人脸应用。”

引进当红的深度学习技术，1年内就让人脸辨识准度明显提升

负责中华电信自主技术研发的中华电信研究院，从事AI影像辨识研发长达10多年之久，约2008年左右开始投入人脸辨识技术开发，不过一开始，仅以传统机器学习技术（如LBP）来进行人脸模型训练时，辨识度最高仅有8成，难以达到商用的水准，直到2年前，引进当红的深度学习技术后，短短1年内，就让自家人脸辨识准确度有了大幅度提升。

汪世昌指出，深度学习技术的出现，解决传统算法的诸多瓶颈，像是对于表情、年龄、化妆、戴眼镜等脸部不同变化，准确度就比传统人脸辨识技术来得高；另外，对于光影、人脸角度的变化，也有更高的辨识容忍度。更重要的是，借由大量资料进行训练，就能持续改善模型的辨识率。

但想要提升辨识率，训练资料就要越多越好，汪世昌也大方分享自家经验，在LFW测试（公开人脸资料集评比）上，大约20万张人脸训练资料，TAR辨识率就可以达到98%，但他进一步指出，想要在提高辨识度，接下来就只能靠资料量与技术上来突破。

因此，在技术上，中华电信采用深度学习的CNN（卷积神经网络）技术，搭配TensorFlow机器学习框架来进行人脸辨识模型开发，一举将脸部辨识提高到九成八的辨识率，这还只是使用2千多人共计20万张人脸资料进行模型训练的成果。接下来，再从原先2千人增加到1万人，训练资料量也翻了3倍，以多达60万张人脸影像进行训练，辨识率也因此在短短不到1年内，就推升到99％以上，“如今，我们的训练人脸资料已达到100万张，在进行LFW测试时，辨识率高达99.78%。”汪世昌说。

在训练摸型的同时，中华电信研究团队还针对人脸影像进行校正、调校尺寸，来持续优化模型提高认脸能力，甚至还开发自动过滤算法，增加训练可用的大量人脸至4万人。汪世昌也透露，为了要缩短模型训练时间，还引进了运算力更强的硬件，如要价不菲的深度学习专用硬件DGX-1等，来加快深度学习模型的训练，以百万张人脸为例，他说，原先每次训练模型最少要花3天，现在，只用不到1天就能训练完，开发人员可以更快观看测试结果与进行模型参数调效，来持续优化模型，让它的辨识效果可以越来越好。

中华电信研究院巨量资料研究所所长汪世昌认为，当人脸辨识的辨识率已达到98%或99%以上时，产业应用才是发展重心，想让人脸辨识可以落地为实际应用，在地化人脸资料是关键。（摄影／洪政伟）

要用当地脸部资料做训练，人脸辨识模型才能更贴近在地需求

但是，就算测试辨识效果再高，并无法真正反应出实际应用场景也是如此，汪世昌就认为，当人脸辨识的辨识率已达到98%或99%以上时，产业应用才是接下来的发展重心。“而要让人脸辨识可以落地成为实际应用，在地化人脸资料是关键。”他说。

他也以自家人脸辨识引擎来说明没有在地人脸资料的影响有多大。去年底，研究院在内部展开一项实测时，却发现原本在实验环境测试辨识率有高达99.6%的人脸辨识模型，却认不太出自家员工，甚至辨识率连8成都不到。更进一步分析才发现，这些辨识容易出错的人脸影像，大多是属于侧脸，而不是正脸，甚至只要脸部角度稍有偏差，就容易被误认成别人或无法辨识，但认外国人脸时，就几乎没有这个问题。

但改加入了亚洲人脸孔资料后，再重新对员工来进行辨识，汪世昌表示，结果就完全不一样，马上就有了明显的改善，辨识度从原先低于80％，进而提升到了87%～88%，甚至比原本百万张人脸训练出来的模型还提高了近1成的辨识率，这也才仅花了数千张亚洲人脸当作训练样本。汪世昌指出，这次学到的教训，也让他们决定要建立台湾自己的人脸数据库。

因为一开始搜集的一百万张人脸资料，绝大多数都是外国面孔，这正是造成训练出来的模型辨识亚洲人会不准的原因，他解释，因为这些西方人脸五官通常较为立体，相较之下，东方人脸轮廓较为扁平，因此，以这些脸部资料训练开发出来的人脸辨识引擎，辨识出来的结果，就容易会有差异。

但是，想要让人脸辨识在台湾落地且能够广泛应用，就不能只会认正脸，就连侧脸，或甚至不同脸部角度也都要能正确识别。因此，为了解决这个难题，他表示，才要增加训练用的台湾或东方人的脸孔， 要让自家人脸辨识引擎，不再只认得外国脸，也能认台湾脸。

汪世昌也强调:“台湾要发展人脸辨识，只有用自己在地人脸资料下去训练，才能发展出符合台湾在地化的人脸应用。”尤其是，未来只要是需要身份验证的场所，都会是人脸辨识的应用范畴，但辨识过程中需要人脸特征值做分析且涉及到个资隐私，需要高度资安保护，透过自行开发掌握关键技术，才能够确保资安与个资保护。

年初院内已导入刷脸技术，委外员工出勤打卡先用

年初时，中华电信研究院也使用这套在地人脸辨识引擎，来开始管理总公司内部数百名委外清洁员工的上班出勤，现在每位人员上下班，都会先通过一台刷脸打卡机来进行签到或是刷退，以取代传统上下班打卡。

这台人脸打卡机就放置在门口警卫室旁出入走道，只要按下签到键，以正脸面向镜头就会回传照片到后端注册人脸数据库比对，大约2秒就能回传辨识结果，一旦确定是本人，就会在屏幕上显示姓名、完成签到时间。

除了自己内部使用外，中华电信今年5月也推出商用服务，目前已有台湾高科技业、建筑业与-部门采用，做为门禁、差勤管理的使用，另外也有花莲大型购物中心，用于分析来客人流或VIP顾客识别等应用。