說到臉部辨識，之前很火紅的FaceApp，雖然得到大多數人的許用和關注，不過專家學者也提出一些資安的疑慮，因為這個變臉的效果是在雲端上完成的，引發隱私權的爭議，不過表示App會在48號時內將照片刪除。

說到人臉辨識可是歷史悠久，又可分為人臉偵測（不辨識身份）、人臉識別（身份辨識）及表情辨識等幾大類。早期硬體計算能力不足，通常要先用快速低運算量算法找出看起來像人臉的內容，再進行更進一步人臉辨識（包含眼、鼻、嘴位置、外形及相對距離），目前在算力（GPU或AI晶片）足夠下可直接一起來，甚至能得到比早期算法更好結果。

人臉辨識是一項很麻煩的技術，因為人臉是3D（有高低起伏）外形結構，所以會有俯仰、偏擺、旋轉角度問題，同時容易受取像解析度、光線、陰影、晃動等因素影響造成取像品質不佳，另外人臉所在位置（距離）會產生成像尺寸變化極大，加上可能受頭髮、帽子、口罩、眼（墨）鏡、化妝等外加物件造成 局部遮蔽干擾判別，所以人臉辨識一直是電腦視覺領域的一項挑戰。

早期辨識可能較著重在特徵提取（如眉毛、眼角、鼻翼、嘴巴等角點）後再分析相對距離關係，後來慢慢演變到通用模型法、統計平均臉方式，近年來隨深度學習技術突飛猛進，加上公開人臉資料集越來越多，所像FaceNet這類的技術就變得大家都能輕易就能取得，且有不錯的偵測及辨識效果。當然這樣的技術用在一般用途可能還可接受，但遇到像車站、機場這類大量人臉須同時辨識時可能還是得要更專業的算法及更加大的算力才能完成。

想更了解FaceNet用法，可參考 https://makerpro.cc/2018/12/introduction-to-face-recognition-model-google-facenet/

「道高一尺、魔高一丈」，所以人臉辨識和反辨識技術一直有專家學者在研究，目前反辨識方式大致上可分為在臉上產生特定圖案(或化妝)或利用紅外光在臉上局部打光混亂辨識系統或戴上特殊外形（或圖案）眼鏡，但缺點就是不太美觀，或許未來會有更厲害的技術出現吧！

更多資料可參考

怕隱私暴露？別擔心有反人臉識別技術

中國科學家研發「反人臉識別」鴨舌帽，研發者會不會被消失啊？

簡單原理可騙過人臉辨識系統，戴上這眼鏡它就錯認你是誰

俄羅斯科網高層，研發反人臉辨識技術

最近看到一則新聞也是反人臉偵測的技術，是利用在臉上產生額外資訊來迷惑辨識系統，就像在僵屍頭上貼張符，可參考一下。

新聞來源：腦門貼張紙，騙過最強人臉識別系統！華爲莫斯科研究院出品，FaceID已陣亡

雖然人臉辨識系統真的很強大，不過近期，加拿大所研發的反人臉辨識AI，讓準確率從 100% 狂降只剩 0.5%，可以成為隱私權的最後一道防線，這個演算法使用對抗訓練－深度學習技術。更多資訊：https://buzzorange.com/techorange/2018/06/06/anti-face-id/

隨著應用普及，人臉辨識的問題也浮出檯面。特別是辨別有色人種時，容易產生較大誤差。原因在於不同人種的資料模型、演算法不同，需要分開進行訓練。在《紐約時報》報導中，麻省理工學院媒體實驗室對微軟、IBM、曠視科技人臉辨識系統的試驗研究。結果顯示有色人種中，三者辨別非白種人的錯誤率高達 20%~30%，很可能加劇社會種族歧視和偏見等問題。此外，公用場所對普通平民進行毫無理由的審查，也跨越了隱私的邊界，是人臉辨識這項技術要繼續發展會面臨的問題。

臉部辨識也是一體兩面，儘管有助於應用在各項科技，但也帶來許多隱私問題！
題外話～機場的快速通關也是用臉部辨識這種技術嗎？

人臉辨識系統造成了Deepfake的產生，Deepfake是造假技術的統稱，而有了一些亂象，偽造綁架影片、不雅影片流傳或是恐嚇影片等。史丹佛實驗研究室近期卻利用這些造假影片來訓練演算法，讓演算可以更好辨別出偽造的痕跡。更多資訊： https://www.bnext.com.tw/article/54255/deepfake-solution

這些便於人們生活的科技，真的帶來很多隱私上的問題，像中國持續引入人臉辨識系統，想要了解人民的一舉一動，甚至在機場也會看到這種東西

http://www.epochtimes.com/b5/19/3/26/n11141631.htm

上面的文章提到中國放在機場的人臉辨識系統，在你沒主動提供任何資訊的情況下，竟然能靠人臉辨識馬上判別出你是誰以及你的航班資訊

如文中所提實在是讓人毛骨悚然，就連外國人也無法逃過中國政府的掌控

這種科技發展實在令人擔憂，我寧可稍微不方便一些，我也不願意自己的隱私遭到侵犯