「人臉辨識為目前公認最準確且可用度最高的人工智慧生物辨識技術。」(訊連科技，2022)從21世紀以來各個領域、各個方面都有飛速的進展，在科技方面，近幾年漸漸興起的AI更是製造出一片天，甚至在經過訓練之後能夠運用在臉部辨識，從監控、門禁和物流，乃至政府機關，都存在著臉部辨識的身影，甚至在疫情延燒的當下，也能與體溫量測系統結合，藉由強大的資料整合能力，即使面對數量龐大的資訊也能夠進行負載並且以人力無法觸及的精準度與速度，創造更多、更龐大的經濟價值。只要可以把臉部辨識技術擴充到多種不同的平台，臉部辨識的場景應用就能在短時間內更加普及。提供更精準的零售行銷、更完善的出入門禁監控管制，普及臉部辨識的商業應用指日可待。
近年來，駭人聽聞的社會案件層出不窮，其中又以殺人或竊盜罪令人感到恐懼與不安，而引起的原因大部分都是被害者對加害者放鬆警覺，或者是加害者進入住宅勒索，以上都是因為保全系統的不完整和缺失造成憾事。
除了透過加強硬體來提升安全，也能透過臉部辨識與保全系統結合，不僅能夠以低成本來大幅提升安全，除此之外，也增加了系統的多樣性，從原本單純的判斷「人」，提升至透過偵測臉部來判斷「這個人是誰」，除了增加了系統的準確度，也可透過偵測到資料與記錄過的安全人員資料進行比對，讓安全人員通過，將非安全人員阻隔，提升了安全性。為此即便臉部辨識對生活價值與便利性增加許多，但資料暴露的機會也隨著上升，臉部辨識資料是獨一無二的，也代表著只要取得別人的資料就能代表另一個完整的個體。臉部辨識是一個雙面刃，在帶來便利的同時，也增加了暴露在風險的機率。
此次研究論文，主要是希望能夠將臉部辨識的技術更加廣泛、普遍的運用在日常生活中，將其變成生活的一部份。一直以來，臉部辨識等AI普遍被認為是較遙遠的高科技，經常只會在專業的研究所或高級的住戶、店面見到，雖然現今可能普通的診所、醫院、手機等有需要的行業也會使用到，但對於大多數的民眾卻還是無法理解的科技，因此小組在這次研究中選用了較小型且輕便的樹梅派主機來進行臉部辨識的主體，想透過臉部辨識讓平常會遇到的事情，像是門鎖的開關以及學生點名等變得更加便利、快速。
(一)利用臉部辨識改善保全系統
(二) 臉部辨識與資料庫的結合
(三) 實現遠端控制保全系統
人臉辨識是生物辨識技術的一種，其運作原理是透過深度神經網路，以AI演算法使用向量方式擷取臉部特徵值，進而與事先登錄的臉孔之特徵值進行比對，「人臉與人體的其他生物特徵（指紋和虹膜等）一樣與生俱來，它的唯一性和不易被複製的良好特性為身份鑑別提供了必要的前提。」(皓聯科技，2017)生物辨識優缺點分析，如表1所示。
表1：生物辨識優缺點比較
資料來源：研究者自製
機器學習領域中最具代表性的四種機器學類型，包括：「監督式學習」、「非監督式學習」、「強化學習」與「深度學習」，本研究主要採用的是「深度學習」。「深度學習」的基本原理是透過收集的大量資料，給予資料特徵的不同權重，最後依不同權重的高低，對資料進行分類。「深度學習」是採用類神經網路，「類神經網路中的特徵值與權重均可由數學演算法自行推估，並透過大的訓練資料取得最理想的成果。」(黃仁暐、涂益郞。2019)
本研究進行深度學習的分析，重點在「臉部辨識」。但在進行臉部辨識之前，有必要先蒐集待辨識者的臉部資料，再將所偵測到的臉部輪廓與當前資料進行比對。
利用圖片上同像素間的光暗強度，讓像素上的物體重複做著同一件事情，憑藉著光暗強度勾勒出物體形狀，此種研究方法稱為方向梯度直方圖（簡稱Hog圖），通常機器在收集大量的這些Hog圖之後，就能夠使用簡單的機器學習去分辨偵測物是否為人臉。