前面都在討論一些實作內容，今天想來了解一下歷史。

什麼是人臉辨識技術？它如何運作？
人臉辨識技術是一種使用電腦視覺和人工智能（AI）來識別或驗證人臉的技術。其目的是自動檢測、識別、並驗證個體的面部特徵。人臉辨識系統通常遵循以下步驟：

1. 人臉檢測：系統首先在圖像或視頻中檢測出所有人臉，這是從背景中提取人臉區域的過程。
2. 特徵提取：在檢測到人臉後，系統會提取該人臉的特徵點，例如眼睛、鼻子、嘴巴等。這些特徵點通常被數字化為向量或數學表示，用於描述人臉的獨特形狀或結構。
3. 人臉比對：提取的特徵向量會與已知的人臉數據庫進行比對，以找出匹配的人臉。這可以用於識別（尋找人臉的身份）或驗證（確認人臉是否屬於特定個體）。
4. 結果輸出：系統會輸出比對結果，如匹配的身份、信心分數或驗證通過與否。

人臉辨識的發展歷史

1. 早期（1960-1990 年代）：
   人臉辨識技術始於簡單的幾何方法，研究者會手工標記人臉的關鍵點，如眼睛和鼻子的相對距離，並通過這些幾何關係來識別人臉。這些早期方法依賴人工提取的特徵和模板匹配算法。
   2.統計方法（1990-2000 年代）：
   隨著計算能力的提升，統計學方法如 Eigenfaces 和 Fisherfaces 成為主流。這些方法將人臉圖像轉換為一組線性組合的特徵向量，並使用主成分分析（PCA）或線性判別分析（LDA）來降低維度，進行人臉識別。
   3.機器學習時代（2010 年代）：
   機器學習和神經網絡的崛起，特別是卷積神經網絡（CNN），使得人臉辨識技術大幅提升。隨著深度學習的應用，如 FaceNet、VGG-Face 等模型，人臉識別的準確性進一步提高。這些方法不僅自動提取人臉的特徵，還能學習更為複雜的特徵表示，大大超越了傳統方法的表現。
   4.當代技術（2020 年代）：
   當前，人臉辨識技術已進入高度成熟期，並被廣泛應用於各行各業。新技術如 GAN（生成對抗網絡）和自監督學習正在不斷推動人臉辨識的邊界，改善對抗樣本的抵抗能力及提升未標註數據的利用效率。
   5.人臉辨識的典型應用場景
   安全和監控：
   在機場、地鐵站和公共場所，人臉辨識被用於安全檢查，尋找潛在的威脅，或者快速識別可疑人員。
   6.智能手機與生物識別：
   智能手機使用人臉識別來進行設備解鎖、支付認證（如 Apple Face ID）、應用保護等。
   7.社交媒體與照片管理：
   社交媒體平台如 Facebook 使用人臉識別來自動標記照片中的人員，讓用戶能夠更方便地管理和分享照片。
   8.個性化廣告與零售：
   零售商店可以通過人臉辨識技術識別進店顧客，分析其購物習慣，並推送個性化廣告或優惠。
   9.醫療與健康追蹤：
   一些醫療應用會通過人臉識別追蹤病患的健康狀況，甚至能幫助診斷與面部特徵相關的疾病。
   10.社會信用與法律執行：
   在某些國家，政府利用人臉識別來監控個人行為，用於執法、評估社會信用系統，或偵測犯罪活動。

這些場景展示了人臉辨識技術在日常生活和社會中的廣泛應用與影響。