01人臉辨識三大核心管線：偵測 → 對齊 → 向量化比對
一套標準的 AI 人臉辨識流水線分為三個階段：
- 人臉偵測 (RetinaFace / MTCNN)：從複雜背景中精準框出所有人臉位置。
- 人臉對齊與特徵點定位 (MediaPipe Landmark)：定位雙眼、鼻尖、嘴角等 68 或 468 個 3D 關鍵特徵點，並透過仿射變換將傾斜的人臉正向校正。
- 特徵向量提取 (ArcFace / CosFace)：透過深度卷積神經網路將人臉特徵壓縮為一個 512 維度 (512-D) 的浮點數向量 (Embedding)。
02ArcFace 損失函數原理：超球面邊界 (Additive Angular Margin)
傳統 Softmax 損失函數只能區分不同類別，但無法縮小同類別之間的特徵距離。ArcFace 透過在角度空間中引入加性角度邊界 (Additive Angular Margin $m$)：
$$\mathcal{L}_{ArcFace} = -\log \frac{e^{s \cos(\theta_{y_i} + m)}}{e^{s \cos(\theta_{y_i} + m)} + \sum_{j \neq y_i} e^{s \cos \theta_j}}$$
強迫模型讓「同一個人的不同照片向量夾角極小」，「不同人的向量夾角極大」，在萬人人臉庫中比對餘弦相似度 (Cosine Similarity) 準確率高達 99.8%！
03活體防偽檢測 (Anti-Spoofing)：預防照片與屏幕翻拍攻擊
| 活體檢測技術類型 | 防護原理 | 硬體需求 | 防禦效果與安全性 |
|---|---|---|---|
| 單目 RGB 配合動作配合 | 提示使用者眨眼、張嘴、轉頭 | 普通 RGB 攝影機 | 中等 (可能被動態 3D 軟體欺騙) |
| 靜態 RGB 深度學習模組 | 分析螢幕反光、網屏紋路 (Moire) 與質地 | 普通 RGB 攝影機 | 良好 (軟體升級即可導入) |
| 雙目紅外線 (IR + RGB) | 利用近紅外光反映真實人體皮膚吸收特徵 | 紅外線雙目相機 | 極佳 (完全防禦列印照片與手機螢幕) |
| 3D 結構光 / ToF 深度攝影機 | 擷取面部數萬個 3D 深度點雲數據 | 3D 結構光鏡頭 | 金融級頂級安全 (iPhone FaceID 層級) |
04萬人人臉庫毫秒級比對：Milvus / FAISS 向量搜尋
當企業員工數量達數萬人時，不可能用迴圈將當前人臉向量與資料庫幾萬筆資料一一計算餘弦相似度。我們整合 FAISS 或 Milvus 向量搜尋引擎，利用 HNSW 高維索引，在 100 萬筆人臉向量資料庫中比對搜尋時間不到 2 毫秒！
FAQ常見問題解答
戴口罩或配戴眼鏡會影響 ArcFace 的辨識率嗎？
透過在訓練集中加入 Masked-ArcFace 口罩資料集進行遷移學習，模型會將特徵權重集中在眼睛與眉毛區域，戴口罩下的 1:N 辨識準確率依然能維持在 97.5% 以上。
人臉特徵向量 (512-D Vector) 能夠反向還原出原始照片嗎？
不能！向量是經過高維度非線性壓縮後的不可逆數值特徵，符合 GDPR 與個資法要求，即使資料庫外洩也無法重建出照片。
離線門禁機 (如樹莓派或 Jetson) 跑得動人臉辨識嗎？
可以！使用 MobileFaceNet 或 LightCNN 輕量級模型，在 Jetson Nano 或樹莓派 4 上即可達到 30 FPS 實時辨識。
鳳凰程式工坊提供哪些人臉辨識服務？
我們提供客製化智慧門禁系統、紅外線雙目活體檢測模組、萬人人臉 FAISS 向量搜尋庫搭建與企業考勤打卡 API 整合。