生活中的AI应用：浅谈人脸侦测原理及衍伸的伦理议题

在科技爆发的时代，人工智能（Artificial Intelligence, AI）技术越来越常出现在我们生活。AI技术表示能够让机器具有类似人类的智慧，可用来提升人们的生活质量、工作效率等。以日常生活中常见的摄影机为例，这些摄影机可以组成一套监控系统，守护我们的安全。受惠于消费电子产品的发展与低廉的价格，一般民众也能在自己的家里安装摄影机，目的通常是为了居家监护，观测是否有人进出画面、随时注意家中宝宝的状态，或者观看宠物的最新动向。市面上的摄影机产品大多具有人物侦测，甚至是人脸或口鼻侦测等相关功能。这些功能可以自动判断画面中的信息，让我们得知人物出现的时机，不需要长时间观看画面去追寻特定的人物。而当我们谈到人物侦测时，最广为人知的方法就是「人脸侦测」（detection），藉由分析人脸的器官部位特征，如：眼睛、鼻子、嘴巴等，可以得知画面中是否有人脸。另一个进阶应用为「人脸识别」（recognition），用来辨识人脸的身分为何，此技术需要事先建立数据库搜集每个人员的脸部特征，因此常引来隐私权的争议。本文将探讨人脸侦测的原理，并说明可能遇到的潜在问题。

传统人脸侦测的原理

传统的人脸侦测做法，需要分析图片上每一个像素点（pixel）的RGB色彩值，这种作法会花费大量的运算资源与时间。根据相关的研究论文，研发出分析方法的团队使用哈尔小波转换（Haar wavelet）的概念来设计一个分析影像特征的方法，称为哈尔特征（Haar-like feature），藉由搜集人体的身形轮廓特征，可以在图片上侦测是否有人物出现。

图一（a）即为举例说明边缘线条的哈尔特征。后来团队扩充此方法，发展为成脸部侦测的系统。因为人脸轮廓具有一定的规律性，特别是在眼睛、鼻子、嘴巴区域，此处的轮廓特征最为明显。图一（a）的左半部则为哈尔特征，用来分析画面中的轮廓是否与已有的轮廓特征方格相近。以图一（b）的上方为例，就是将特定影像区域的内容与哈尔特征进行分析，计算两者的相似度。当影像内容与哈尔特征完全相同时，所得到的相似率为1。然而，实际影像不可能会与哈尔特征完全相同，如图一（b）的下方。此相似率可以协助我们评估画面上的对象是否符合指定特征。

图一：哈尔特征的样式与计算范例。

藉由收集相关的特征数据，能够建立一个数据库来描述人脸的特征，进一步让计算机判断是否有人脸出现在画面上。以鼻子为例，鼻翼四周的轮廓就是一个很明显的脸部特征。

然而，当计算机进行分析时，就需要计算指定图片区域的像素点数值，这个计算量往往相当庞大。以图一的为例，当我们计算4×4的图片区域时，里面一共有16个像素点，若要计算该区域的数值总和时，直觉的做法是将这16个点加在一起。此方法虽然简单，但图片尺寸变大、需要分析的特征变多时，会消耗大量的运算资源与时间。因此，研究人员进一步提出一系列的方法来缩短整体流程，首先是积分图（integral image），此方法会在起始阶段扫描整张图片并计算每个像素点的累加值。回到先前的例子后，计算图片区域的数值总和时，只需要计算4个像素点的信息。以图二为例，当我们想要计算灰色区域的数字总和时，直觉做法为将6个像素点的数值累加起来。而积分图的做法是先建立一个像素点的累加值，然后再选取邻近四个像素点的数值进行运算，如图二积分图中被粗框框起来的数值。此作法可以大幅度降低运算成本，不论计算的范围有多大，只需要4个数值的运算即可得到区域的总和。

图二：积分图例子。

后续的研究还有结合自适应增强（adaptive boosting, AdaBoost）与串接（cascade）技术，判断画面上是否有特定的脸部器官，若有符合条件（如：发现鼻子）才会进行后续的分析。此流程的执行速度能够在一秒钟处理15张图片（frame per second, FPS），可用于实时的对象侦测。这个技术被广泛用在现有的人脸侦测系统，网络上也有许多教学供有兴趣的人去研究使用。

灰阶加速运算，却产生公平性争议

值得注意的是，这些人脸侦测的系统都会把彩色图片转换成灰阶（grayscale）样式，研究人员也有特别说明这一点，这套快速的侦测系统仅适用于灰阶的图片。在人类眼中，我们能够看到各式各样的色彩。对计算机来说，也常使用RGB色彩空间来定义颜色，一张彩色的图片可以用RGB三个通道来描述内容。以一个像素点来说，它的颜色一共有255×255×255（约1658万）种组合。如果采用灰阶的色彩空间，一个像素点只有255种组合。当计算机在分析图片的时候，使用灰阶图片可以降低大量的运算资源并缩减时间。此外，灰阶的程序代码复杂度也较低，如果一开始使用彩色空间进行轮廓分析，需要考虑各种信息，如：亮度、色差⋯⋯等，将这些信息纳入分析之后，整体执行效率往往比灰阶图片还要慢。基于效率的需求，大多辨识系统的流程都会先将彩色照片转换为灰阶照片，期望能够快速地获得结果。

然而，这种做法会遇到一些潜在的问题，肤色浅的人种在此系统中会有较好的辨识效果，肤色深的人种会不易被辨识，由于人权意识的兴起，AI技术的公平性也常受到检视。回顾先前提到的数据处理流程，他们会先将彩色照片转换为灰阶照片，然后再分析灰阶照片上的轮廓特征，检查是否有特定轮廓的信息。以图三为例，有3种不同肤色的人脸示意图，当转换成灰阶照片后，可以发现肤色深的轮廓较不明显。根据后续的研究数据显示，研究人员将搜集的皮肤颜色数据集大致分为3种类型：淡色皮肤、棕黄皮肤、深色皮肤。图三的人脸图片参考所统计的皮肤色码，然后使用脸部侦测来观察各自的辨识效果。

图三：不同肤色的脸部侦测流程。

这3张图片都属于人脸，唯一的差别只是肤色不同，理论上应该都能够被侦测到。当这3张图片转换成灰阶照片后，我们观察鼻子附近的轮廓，可以发现深色皮肤的鼻子轮廓较不明显。这些照片套用先前提到的哈尔特征计算方式，即黑色区域与白色区域的数值相减，浅色皮肤的照片会得到较高的相似率，而深色皮肤会得到较低的相似率。从上面的例子可以得知，肤色浅的人种在此模型中会有较好的辨识效果，而肤色深的人种会不易被辨识。其背后原因和跟运算流程有关，因为将彩色图片转成灰阶图片可以大幅缩减运算时间，但对于不同肤色的人种会有不同的侦测结果。对当初的开发者来说，他们仅是想要提出一套快速的侦测方法，但此方法间接产生公平性的议题，这个影响也是始料未及。

对象侦测技术YOLO的发展与争议

除了人脸侦测的技术以外，对象侦测（object detection）技术在计算机视觉（computer vision, CV）研究领域也受到许多注目，因为摄影机的画面通常包含许多信息，如：宠物、车辆等，对象侦测可以自动分析画面中的对象种类。以YOLO（You Only Look Once）为例，此方法直接将整张原始（彩色）图片输入至卷积神经网络（convolutional neural networks, CNN）进行分析，并且依靠图像处理器（graphicsprocessing unit, GPU）的运算能力，一秒钟可以处理45张图片，表示已能够进行实时对象侦测。YOLO发表之后受到许多人的关注，累积至2021年10月的论文引用数已高达1万9千多次。YOLO的作者后来发表YOLOv2与YOLOv3的研究，提供更快速、更精准、可识别更多对象的能力，并且开放原始码让有兴趣的研究团队可以研究他们技术。

然而，YOLO的作者雷德蒙（Joseph Redmon）在2020年于个人twitter发表了一段令人震撼的宣言：

I stopped doing CV research because I sawthe impact my work was having. I loved the work but the military applicationsand privacy concerns eventually became impossible to ignore.

雷德蒙表示虽然个人很热爱计算机视觉的研究，但发现到其研究成果在很多领域产生影响，特别是军事应用与个人隐私的问题，这些伦理议题是无法忽略的，因此选择离开计算机视觉的研究，让其他人继续接手相关研究。YOLO官网后来仍发布新版的YOLOv4的信息，作者就不再出现雷德蒙的名字，取而代之是原本的程序代码维护者。

审核编辑：汤梓红