人臉識別的理論與原理
人臉辨識會把臉部影像轉換成可計算的數值表示（Embedding/特徵向量），
再與資料庫中已存特徵向量比對，用於身分驗證（1:1）或身分辨識（1:N）。
1) 什麼是人臉辨識
系統將一張臉轉成一組向量，與目標或名單的向量比較相似度。
若相似度高於預設門檻值，則判定為同一人或找出最相近的身分。
2) 核心流程
- 偵測（Detection）：在影像／畫面中找出人臉位置。
- 校正（Alignment）：依眼、鼻、口等關鍵點把臉轉正、統一尺度。
- 特徵萃取（Embedding）：深度模型將臉轉為向量，使同一個人的向量彼此接近、不同人相互遠離。
- 比對（Matching）：以餘弦相似度或歐氏距離比較兩個向量的相似程度。
- 決策（Decision）：相似度 ≥ 門檻值即通過，反之拒絕。門檻設定在安全與便利之間取捨。
3) 驗證 vs. 辨識
- 1:1 驗證：問題是「你是不是 A？」，拿當前臉與 A 的模板比對。
- 1:N 辨識：問題是「你是誰？」，把當前臉與名單所有模板比對，取最佳匹配並再做門檻檢查。
4) 現代模型怎麼學（理論重點）
以 CNN／Transformer 等深度網路學得可區分的嵌入空間，使類與類之間距離拉大、同類內距離縮小。
常見訓練方法：
- 度量／對比式損失（如 Triplet loss）：讓「同人更近、異人更遠」且至少相差一定邊際。
- 邊際化 Softmax（如 ArcFace、CosFace）：在分類損失中加入「角度邊際」，使不同人的向量在超球面上更分離。
- 資料增強：模擬光線、姿態、遮擋變化以提升魯棒性。
5) 活體偵測與反偽造
- 被動線索：肌理、反光、莫爾紋、深度／紅外資訊。
- 主動挑戰：眨眼、轉頭、念出隨機數字等互動。
- 多模態感測：RGB + IR + 深度，提升對相片、螢幕與面具攻擊的防護力。
6) 影像品質、偏差與環境
- 品質：解析度、清晰度、曝光、動態模糊會影響結果；可用「品質評分」先篩選好幀。
- 姿態／遮擋：大側臉、口罩、帽簷會降低準確率；可用更魯棒模型或「眼周識別」降級策略。
- 資料偏差：年齡、膚色、性別分佈不均可能造成不公平；需定期做分組評測並調整門檻或重訓。
7) 評估指標
- FAR／FRR：誤放行率 vs. 誤拒絕率；用 ROC／DET 曲線選擇門檻。
- EER：FAR = FRR 的交點；值越低代表整體表現越好。
- 1:N 指標：Rank-1／CMC 準確率，或在監看名單情境下的 TPIR／FPIR。
8) 系統設計型態
- 邊緣（Edge）：低延遲、可離線；適合門禁等即時場景。
- 雲端（Cloud）：集中管理、好擴充；以向量索引（如 HNSW／IVF-FAISS）加速 1:N 檢索。
- 混合（Hybrid）：裝置先篩候選，上雲端做精比，兼顧速度與精度。
9) 隱私、安全與法規
- 最小化存放：優先僅存特徵向量，不長期保存原始影像。
- 加密與權限：傳輸／靜態加密、權限分級與存取稽核。
- 合規：明確用途與保存期、提供查詢與刪除機制，依適用法規執行。
一句話總結
偵測 → 校正 → 嵌入 → 比對 → 決策，以深度模型（ArcFace／CosFace／Triplet）學得「同人近、異人遠」的向量表示，
再結合活體偵測、情境化門檻與隱私優先的資料處理，構成可靠的人臉辨識系統。
人臉識別門禁 vs 傳統門禁（卡／密碼／指紋／QR）比較
以健身室、寫字樓等本地場地為例，從安全、通行效率、成本及維護角度作對比。
實務上建議採用混合方案（以人臉為主，卡／QR 作後備），在保安與體驗之間取得平衡。
| 評比項目 |
人臉識別門禁 |
傳統門禁（卡／密碼／指紋／QR） |
備註 |
| 通行速度 |
快，近乎即時（企定就過） |
視方式而定：卡／QR較快，密碼最慢 |
繁忙時段差異明顯；人臉免翻袋搵卡 |
| 便利性（零接觸） |
零接觸，唔使帶任何物件 |
卡要攜帶、密碼要記、指紋要貼合；QR 要拎手機出示 |
衛生同無障礙友善度以人臉較好 |
| 安全性／被代用風險 |
高；可加活體偵測、黑名單即時攔截 |
卡可借用或被盜刷；密碼易外洩；QR 可截圖轉發；指紋有殘留風險 |
重點門點建議多因子（人臉＋卡／PIN） |
| 環境穩定度 |
受光線／遮擋影響，但配合 IR、補光、品質篩選可顯著改善 |
卡／密碼不受光影；指紋怕手汗／油；QR 受螢幕亮度／反光影響 |
戶外要選防水防塵同抗逆光型號 |
| 營運成本（TCO） |
設備單價較高，但免發卡／補卡、前台人手節省，長遠更化算 |
設備平，但卡片、耗材、遺失管理成本長期累積；人手投入較多 |
以三年期計，人臉多數更慳 |
| 維護與管理 |
名單雲端同步、出入記錄分析、異常即時提示，自動化程度高 |
要管理卡／密碼；遺失補發、離職回收流程繁複 |
多據點集中管理，人臉優勢更大 |
| 用戶體驗 |
最佳（站定即過），對長者及行動不便者更友善 |
卡／QR 次之；密碼最差；指紋偶有失敗要重試 |
排隊體感差異大 |
| 私隱與合規 |
需最小化存放（以特徵向量為主）、加密、清晰告知與同意機制 |
卡／密碼私隱爭議較少；指紋亦屬生物特徵，需同等重視 |
提供刪除及改用後備通道可減疑慮 |
| 故障／斷網後備 |
可離線快取名單；建議預留卡／QR／人工後備通道 |
卡／密碼離線易運作；QR 需讀碼設備及手機配合 |
UPS＋多通道設計最穩陣 |
人臉識別門禁系統的優點
- 零接觸、更衞生：唔使拍卡、撳密碼或指紋掃描，望一望就通過。
- 通行快、減排隊：驗證接近秒級，繁忙時段都順暢。
- 方便易用：唔使帶卡、唔使記密碼；手抱住嘢或戴手套都用到。
- 保安更高：面孔難共享；配活體偵測可減相片／影片／面具攻擊。
- 精細權限控制：按身份、時段、區域、預約自動判斷放行。
- 長遠更慳：免發卡、免補卡，前台工作量下降，總成本（TCO）更低。
- 營運自動化：即時核對會籍／欠費／預約，並自動記錄考勤簽到。
- 集中管理：多門多據點名單與權限同步，易於統一管理。
- 審計與分析：完整出入日誌，支援合規、事故追溯及高峰分析。
- 彈性安全等級：需要時可加卡／QR／PIN 作雙因子驗證。
- 用戶體驗佳：流程順暢，對長者及行動不便人士友善。
客戶使用感受
我係健身中心會員，平時每日放工會去做運動；有時亦會同私人教練上堂。以下係我用落 CloudFit 人臉識別門禁系統嘅真實感受。
好用之處（用落真係方便）
- 零接觸、快：企定望一望就入到，基本上近乎秒過，繁忙時段都唔洗排太耐。
- 唔洗帶卡／記密碼：成日換gym袋都唔怕唔見卡；就算拎住水樽同毛巾，都可以好自然咁入場。
- 會籍自動核對：如果會籍到期或欠費，入場前螢幕會即刻提示，前台同我都一清二楚，少咗尷尬位。
- 教練堂簽到同步：上 PT 課程嘅時候，過門就當簽到，堂數自動扣，唔使再去櫃台報到。
- 安全感高：聽職員講有活體偵測，唔擔心畀人用相片代簽；黑名單即時攔截，場內感覺更安全。
- 通知清晰：遲到、課堂改期、或非預約時段入場，都會即時彈提示，對我嚟講好直觀。
- 多入口都通用：分店多個入口都識我，名單同步得幾快，去邊間做運動都一樣順。
可改善嘅地方（用家期望再好啲）
- 戴口罩／帽簷時偶爾需重試：大多數時間一次過，但偶爾戴帽＋口罩會要再對準先過到，建議提升遮擋情況下嘅成功率。
- 強逆光或夜晚低光：戶外入口光差時偶爾識別慢半拍；若能再加強補光或提示站位，體驗會更穩。
- 首次註冊流程：如果可以用手機 App 自助上載幾張面相，再到場快註冊會更方便；而家主要靠現場拍，偶爾要排隊。
- 備援通道易見啲：雖然有 QR/卡後備，但現場指示未必明顯；建議喺裝置螢幕加「用唔到人臉？掃呢個碼」之類引導。
- 私隱選項更透明：希望介面講得更清楚會儲存乜嘢資料（最好只存特徵向量），以及點樣申請刪除。
- 通知與App整合：若欠費／會籍將到期，可以同步推送通知到 App 或 WhatsApp，更貼心。
- 易用性與無障礙：長者或行動不便人士，如果有更大字體、高對比模式同語音提示，會更易上手。
用家友善嘅改進方向（建議）
- 智慧引導 UI：即時顯示「再前一步／抬高少少／去返中間」，減少重試。
- 動態門檻：繁忙時段可用較寬鬆門檻＋活體檢查；夜間改用較嚴門檻，提高安全。
- 一鍵後備：裝置上加入明顯「轉用 QR」按鈕，方便特殊情況快速通行。
- 自助註冊＋質量檢測：App 上載相片時做自動質量檢查（清晰度／光線／角度），減少現場重拍。
- 數據主權：App 內提供「查閱／刪除我的人臉資料」嘅簡易入口，建立信任。
- 即時服務通知：會籍到期、課堂變動、黑名單處理等用訊息即時通知，少走冤枉路。
總結：CloudFit 人臉門禁用落最大感受就係「快、方便、少麻煩」，對我呢類經常出入健身室嘅用家尤其受用。
如果再加強遮擋與極端光線下嘅穩定性，提升自助註冊、私隱透明度同後備通道指引，整體體驗會再上一級。
售價與方案
每個門禁點 HKD 3,000。
可加購：現場安裝與佈線、PoE 供電、戶外機型（防水防塵）、雲端管理／報表、與會員／HR 系統 API 整合、7×24 技術支援。
* 上述金額為起價，實際費用依現場環境、門禁點數量與功能選配而定。
* 不含安裝／佈線、控制器／電鎖與物流費用；大量採購與專案價請與我們聯絡。
