NEC臉部辨識技術 再度榮獲NIST評比為全球No.1
2010年7月20日
美國國家標準局與技術研究院（以下稱NIST）(*1)日前實施生物辨識技術標竿測試（MBE）(*2)。其中於「靜止臉部影像廠商評比測試」項目，NEC再度獲評為全球No.1的臉部辨識技術廠商。
2009年12月，NIST發表「廠商評測計畫」（MBGC）(*3)時，NEC已藉由其高準確度的辨識技術獲得高度肯定。本次的評比測試，NEC以達到最高標準的卓越性能，更加確認了NEC臉部辨識技術縱橫全球的優越地位。
NEC所參加的「靜止臉部影像廠商評比測試」，其測試項目為以警局內擁有實際犯罪紀錄的臉部影像、以及申請簽證用的臉部影像等為對象，進行百萬人規模的大量臉部影像資料搜尋或身份確認，並進行準確度的評比測試。
NEC的臉部辨識技術，於犯罪紀錄中所截取的160萬人臉部影像中，擁有92％的搜尋準確度；於簽證申請時所用的180萬人臉部影像中，則擁有95％的準確度。其測試結果為所有參加評測廠商中的最高成績。除此之外，搜尋犯罪紀錄160萬人的所需時間為每個影像約0.4秒(*4)，以搜尋速度來說，NEC亦為所有參加評測廠商中表現最傑出的廠商。
再者，在錯誤接收率（誤將他人辨識為本人的比率）為0.1％時，其錯誤拒絕率（誤將本人辨識為飛本人的比率）以犯罪紀錄4萬人的臉部影像來說，只有4％。此外，申請簽證用臉部影像的錯誤拒絕率則為0.3％(*5)，其優異的成績遠超過其他廠商的評測結果。
此項高準確度的演算方法，為NEC中央研究所開發、於2002年上市的臉部辨識／臉部比對引擎「NeoFace」(*6)所採用的多重比對臉部檢測法(*7)與攝動空間法(*8)、以及能夠在照明與方向等辨識環境的變化條件下針對個人特徵進行取樣的全新技術，以達到高準確度的辨識能力。
近年來為了遏止危險性更高、範圍更大、手法更多元的犯罪手法，臉部認證等生物辨識技術已被賦予高度期待。NIST本次所實施的標竿測試，是針對各家廠商所提供的技術產品進行不具名測試，以維持其評測的客觀正確性。此項計畫並獲得美國聯邦國土安全部、司法部、FBI、國防部等機關的贊助與協辦，因此評比結果備受全球的高度注目。
NEC多年來不斷以技術先驅的角色，致力於生物辨識技術的研究開發，在指紋辨識技術上已逾40年、臉部辨識技術亦持續20年累積了相當豐富的研究經驗。以 NIST測試評比來說，指紋辨識技術領域已於2004年獲得全球No.1的肯定，臉部辨識技術亦自去年起2度獲得全球No.1的地位，再度證明了NEC擁有出類拔萃的生物辨識技術。
NEC的臉部辨識技術，除日本市場外，已於香港及智利等國，大範圍運用至警察、司法機關、入境管理局、以及娛樂設施等各種環境中。NEC將以本次評比結果作為生物辨識解決方案事業強化的原動力，將具備高度技術力的生物辨識解決方案銷售至全球各地。
本次評比測試相關訊息，請參考以下網站：
標竿測試說明：
標竿測試報告書：http://face.nist.gov/mbe/MBE_2D_face_report_NISTIR_7709.pdf。
台灣NEC臉部辨識系統介紹：http://www.nec.com.tw/solutions/security/neoface.html
註釋
(*1) NIST
National Institute of Standards and Technology。
(*2) Multiple-Biometric Evaluation
於MBGC(*3)實施約2年後另外獨立出的標竿測試。以與MBGC同樣的技術為基準，將實際系統中所累積的臉部影像進行大規模1:N比對。在全球市場中，已有將MBE列為生物辨識技術等系統投標條件的趨勢。靜止臉部影像項目的評測舉辦時間為2010年1月～5月。
(*3) Multiple Biometric Grand Challenge（MBGC）
NIST自2008年至2009年間所舉辦的臉部認證廠商評比測試計畫。所謂Grand Challenge，是其目的為了遏止危險性更高、範圍更大、手法更多元的犯罪手法，針對相關技術進行調查檢討，並將其評測結果發布予廠商，透過廠商間的技術競合加速其技術研究。
(*4)
辨識並截取臉部影像中能夠辨識個人的有效特徵後的處理時間。
(*5)
錯誤接收率與錯誤拒絕率為相對關係。在錯誤接收率達到0.1％的高辨識準確度的同時，要同時保有極低的錯誤拒絕率，以技術上來說具有相當程度的困難。
(*6) 「NeoFace」
請參考： http://www.nec.com.tw/solutions/security/neoface.html。
(*7) 多重比對臉部檢測法
一種兼具高處理速度與高辨識準確度的檢測方法。能夠高速檢測出「眼睛」、並結合了NEC自有技術的高準確度演算法。
(*8) 攝動空間法
自一張登錄用臉部影像，推測其臉部光影變化等外表的變動，將此變動進行線性子空間（數學模組）模擬，是一種能夠兼具高速處理與高變動接受度的辨識方法。