:::

產業技術評析

三大辨識技術應用趨勢探討
發表日期:2017-05-17
作者:羅宗惠(工研院IEK)
摘要:
辨識技術遍佈於各種應用當中,而所謂的智慧辨識,觀念來說在於透過技術的改善來達到更高的精確度、縮短所需的時間、降低人為操作的程度等。

全文:
一、近期熱門辨識技術:場景、人臉、行為

辨識技術遍佈於各種應用當中,且早已行之有年,而所謂的智慧辨識,觀念來說在於透過技術的改善來達到更高的精確度、縮短所需的時間、降低人為操作的程度等。辨識技術的種類雖然眾多,但根據近二年各項辨識技術CPC專利家族數量統計觀察,場景辨識(scenes recognition)應用範圍廣,廠商投入的程度為各項辨識技術之首;人臉辨識受惠於智慧手機的發展,成為近期各界競逐的焦點;而行為辨識可用於犯罪預防、手勢控制、運動訓練等,重要性亦持續提高。以上技術的相關應用除了建構在現有的基礎外,幾個未來足以引領產業發展的熱門議題皆有不同程度的需求,舉例來說:智慧工廠除了導入自動化所需要的物體辨識技術外,藉由人臉辨識來監控廠區內外的人員,以達到更全面和即時的安全防護亦是發展的重點;自動駕駛部份,場景辨識技術攸關行車安全,成熟與否將會直接影響產業的發展步調;而居家照護當中的老人或小孩監控,行為辨識技術有助於縮短意外發生後的反應時間或者達到事先預防的目的,亦是近期的熱門議題。

圖1 2015-2016/10 各項辨識技術專利家族數量(以CPC合作專利分類號統計)
資料來源:IEK ITIS研究團隊(2017/4)。
圖1 2015-2016/10 各項辨識技術專利家族數量(以CPC合作專利分類號統計)。

二、場景辨識的應用主流為安全監控與車用

場景辨識泛指對某個觀測區域透過影像處理的方式辨別內容物後再進一步轉換成有用的資訊,以目的來說,常見的辨別資訊包括:場域的型態(如:室內外、城市或郊區)、場域中的物件種類(如:靜止物或移動物、人或其它物件)、特定的Pattern(如:號誌、路標、文字)、特徵的變化(如:表情)等,再根據所得到的資訊發展成具有商業價值的產品或服務。從應用的產業別來看,占安防(Surveillance)產業產值比重最大的視訊類產品以及汽車產業當中由ADAS或無人自駕車所延伸出的需求,將會是場景辨識技術最主要的兩項應用載具。再從場景的類型來區分,常見的應用情境包括:1) 廣域空間的圖像辨識,例如:航空圖像、地表植被變化,2) 一般場域空間的圖像辨識,例如:掃地機器人對室內所進行的拍攝;3) 以安全防護為主要目的的辨識,例如:機場內的監控系統;4) 以監測各種交通狀況為目的辨識,例如:視覺式交通監測系統;5) 以汽車為視角所進行的圖像辨識,例如:車道辨識;6) 車內的監測。

三、人臉辨識的應用延伸至動態表情分析

人臉辨識為一套完整的系統,由幾個子技術項目組合而成,主要根據臉部特徵上的差異進行比對,除了受測者的身份、表情、性別等靜態資訊外,由動態表情的變化對駕駛疲勞偵測、客戶對貨架上商品的喜好度分析等皆是熱門的應用。相關子項目包含:1) Detection, Localization, Normalization:攝影機取得圖像後,進而辨別出人臉的位置、輪廓、大小等基本資訊,並且將臉部影像Pixel進行適度處理(如:亮度、陰影、對比等)以利後續的特徵萃取;2) Feature Extraction, Face Representation:將處理後的臉部影像進行五官或者其它特徵(如:疤痕、缺陷、膚色等)的萃取;3) Classification:利用以上所得到的特徵即可將所取得的人臉影像進行歸類(如:是否已建檔、種族、性別等);4) Facial Expression Recognition:進行歸類後再以特徵進行面部表情的辨別。

四、動態行為辨識於應用層面更具有優勢

動態行為辨識可區分成Whole Body和Partial Body,除了常見的視覺相關技術外,亦可透過其它種類的Sensor來進行(如:Radar),由於各具有優缺點,亦可選擇性的同時搭配。對比於靜態辨識,動態辨識雖然應用領域較廣,但技術亦相對複雜,而相關零組件的發展使得辨識的精確度、速度和距離持續提高。當技術障礙逐漸被克服,與動態辨識相關的產品或服務也因應而生,除了常見的手勢辨識和異常行為偵測外,亦有廠商朝向特殊領域發展,舉例來說:AiCure公司發展利用智慧手機,搭配手勢辨識,確保病人能依照規定正確的使用藥物的App;DUNLOP Sport公司發展Golf和Tennis擊球動作分析的技術。由於動態辨識於應用層面更具有優勢,此技術亦成為相關廠商不可獲缺的技術佈局重點,包括Microsoft、NEC、Samsung等國際大廠皆有投入。

五、結論

雖然各項辨識技術所強調的重點不同,但從技術本質的角度來說仍有許多的共通性,上述所提及的場景、人臉和行為辨識皆以視覺運算為基礎,擷取整個影像後,再根據應用的不同從資料當中以資料庫比對或機器學習運算的方式進行局部細節的分析後,再轉化成資訊並進一步識別或分類,其它辨識技術諸如:指紋、3D物體、眼球等,皆有部份環節和圖像處理相關。另外影像資料量大,經過處理後所夾帶的資訊含量豐富,雖然在演算法的開發上複雜度較高,但相對的由於變化性較多,能應用的領域亦較多元,總結來說,視覺運算於辨識技術當中所扮演的角色日漸重要。

(本文作者為工研院IEK執行產業技術前瞻研究與知識服務計畫產業分析師)

* 點閱數2977
更新日期:2020-04-08

回上一頁 回首頁