人臉辨識技術已成為現代科技的重要基石，廣泛應用於安全監控、門禁系統以及用戶身份認證等領域。新唐科技基於 NuMaker-M55M1 平台的人臉辨識系統，結合多種核心技術組件，包括影像處理技術、TensorFlow Lite、Haar Cascade 和 MobileFaceNet，實現高效且準確的辨識功能，並展現了嵌入式系統的強大應用潛力。

新唐的人臉辨識系統以 NuMaker-M55M1 作為運行環境，結合開源工具與深度學習框架，完成整體系統的搭建。系統主要由四個核心部分構成：影像處理技術提供的影像預處理功能、TensorFlow Lite 支援的模型運行環境、Haar Cascade 的人臉技術，以及 MobileFaceNet 用於人臉特徵提取與匹配。影像處理技術在整個系統中扮演基石角色，負責將影像資料轉化為後續模型可用的格式。透過功能模組進行影像預處理與特徵提取，並支持影像與影片的輸入輸出、格式轉換以及特徵匹配等應用。在此基礎上，影像處理技術進一步偵測影像中的人臉區域，確保後續分析所需的輸入資料具有高品質與一致性。

Haar Cascade 是基於 Haar-like 特徵的人臉偵測技術，通過預訓練的分類器快速識別影像中的人臉區域。這種方法依賴於分層的特徵分類器進行對象識別，計算需求低且速度快，非常適合在實時應用中使用。為了進一步提升靈活性，影像處理技術還提供了多種參數調整功能，例如縮放因子及對象尺寸範圍，從而在偵測速度與準確性之間取得最佳平衡。

為了實現深度學習模型的高效運行，新唐採用了專為移動裝置與嵌入式系統設計的 TensorFlow Lite 框架。該框架具備多語言接口（如 C++ 和 Python），並能高效運行 MobileFaceNet 模型。在本系統中，TensorFlow Lite 被用於神經網路推論，確保模型在資源受限的嵌入式裝置上穩定運行。

MobileFaceNet 作為 MobileNet V2 的增強版本，針對嵌入式系統的人臉辨識需求進行了優化。該模型能夠從影像中提取特徵向量，並通過餘弦相似度進行人臉匹配。經影像處理技術偵測出的人臉區域將被 MobileFaceNet 轉化為特徵向量，與已註冊的特徵進行比對。當相似度超過預設閾值時，系統判定為匹配成功；否則視為匹配失敗。

基於 NuMaker-M55M1 的人臉辨識系統憑藉影像處理技術、TensorFlow Lite、Haar Cascade 與 MobileFaceNet 的有機結合，實現了高效、可靠的人臉偵測與辨識功能。不僅滿足高安全性應用場景的需求，還為資源受限的嵌入式裝置提供了極具潛力的解決方案。新唐科技的這一設計展示了人臉辨識技術的廣泛應用價值與未來發展前景。

歡迎系統開發廠商利用新唐AI網頁www.nuvoton.com/ai「聯絡我們」表單，與新唐團隊聯繫，一同探索終端AI新價值。

Figure 1. Face Enrollment

Figure 2. Face Recognition