在這篇文章中，我們將以簡單明了的方式介紹電腦辨識人臉的原理和過程。

人臉辨識的基本原理是什麼？

你小時候可能至少玩過一次拼臉遊戲。在這個遊戲中，你先選擇一個臉型，然後依序選擇髮型、眼睛、鼻子和嘴巴，並將它們拼到臉上。透過不斷更換不同的髮型、眼睛、鼻子和嘴巴，你可以拼出自己想要的臉。電腦辨識和比較人臉的方式與此類似。電腦辨識並儲存臉部特徵；當輸入一張新的照片時，它會將照片與已儲存的特徵進行比較，從而確定照片中的人是誰。
近期一個易於使用的臉部辨識技術實例是臉部辨識應用程式（App）。這些應用程式會預先從名人照片中提取並儲存關鍵特徵，例如臉部輪廓、眼睛、鼻子和嘴巴。之後，當相機拍攝到人臉時，該應用程式會以相同的方式提取臉部特徵，並將其與儲存的名人臉部特徵進行比較，從而識別並顯示最匹配的人臉。

電腦如何辨識人臉？

現在，我們來考察一下電腦的人臉辨識過程。人臉辨識主要包括四個階段：輸入、人臉偵測、特徵提取和比對。
在輸入階段，照片或影片中的單幀影像透過輸入裝置傳輸到電腦。通常，輸入裝置的解析度越高，幀速率（FPS）越高，人臉辨識的準確度就越高。這個原理類似於視力好的人能夠更準確地辨識遠處的人臉。
在人臉偵測階段，系統首先檢查輸入的照片或影片中是否存在人臉。為此，它會辨識人臉的輪廓和關鍵特徵，例如眼睛、鼻子和嘴巴。雖然目前有多種人臉偵測技術被使用，但本文將重點放在具有代表性的類哈爾偵測方法。
類哈爾檢測方法利用哈爾小波。小波是一種由黑白區域組成的簡單矩形圖案。這些黑白區域用於識別影像中亮度差異顯著的區域。透過在整個輸入影像或影片上套用不同大小和形狀的小波，並僅保留黑白區域亮度差異顯著的區域，該系統可以有效地偵測人臉輪廓和關鍵臉部特徵，例如眼睛、鼻子、嘴巴和眉毛。此外，該過程還可以提取臉部特徵的位置資訊。
例如，在提取眼睛資訊時，小波的黑色區域對應於相對較暗的區域（例如瞳孔），而白色區域對應於較亮的區域（例如皮膚）。透過利用這些亮度差異，可以有效地偵測眼睛的位置和形狀。

如何提取臉部特徵？

人臉偵測階段完成後，系統會決定是否進入特徵提取階段。
在特徵提取階段，提取臉部特徵是為了充分利用人臉偵測階段辨識出的臉部組件。與人臉偵測階段不同，此過程包含一個預處理步驟。由於每張照片或影片中人臉的旋轉角度、大小和光照強度各不相同，因此需要進行歸一化處理，盡可能地使其標準化。此外，彩色照片或影片還可以根據需要轉換為黑白影像。
例如，首先將原始照片轉換為灰階圖，然後僅裁剪人臉區域並將其調整為統一大小，並進行直方圖均衡化以校正亮度。利用在人臉偵測階段獲得的臉部組件位置訊息，從經過此預處理的照片或影片中提取人臉特徵。

提取出的臉部特徵是如何使用的？

在比較階段，提取出的這些面部成分的資訊要么儲存在資料庫（DB）中，要么與現有的面部數據進行比較，以確定最佳匹配。
我們已經了解了電腦人臉辨識的流程。就在幾十年前，電腦能夠區分人臉的想法似乎還遙不可及。然而，隨著電腦硬體、軟體和人工智慧技術的快速發展，人臉辨識技術如今已廣泛應用於各個領域，包括智慧型手機、筆記型電腦、門禁系統、金融服務和機場安檢等。如今，電腦辨識人臉的科技不再是遙不可及的未來，而是已經自然而然地融入了我們的日常生活。