1 歴史
1.1 初期の研究（1960年代～1990年代）
顔認識の研究は1960年代に始まり、Woody Bledsoeらが顔画像の特徴点を手動で計測するシステムを開発した。1970年代にはGoldsteinらが21の特徴量を用いた自動化手法を試みた。1990年代に入ると、TurkとPentlandによる固有顔（Eigenface）法が登場し、主成分分析を用いた効率的な顔認識が可能となった。この時期の手法は主に正面顔に限定され、照明や表情の変化に脆弱であった。
1.2 ディープラーニングによる性能向上（2010年代以降）
2010年代に畳み込みニューラルネットワーク（CNN）の導入により顔認識の精度が飛躍的に向上した。2014年にFacebookのDeepFace、2015年にGoogleのFaceNetが発表され、99%以上の認識率を達成した。大規模な顔データセットとGPUによる高速計算が性能向上を支えた。現在では、動画内の顔追跡、角度や照明変化への頑健性も大幅に改善されている。
2 技術的原理
2.1 顔検出
顔認識の第一段階として、画像や動画フレームから顔領域を特定する手法が用いられる。従来はHaar-like特徴量とAdaBoostを用いたViola-Jones法が主流であったが、現在ではMTCNNやYOLOなどのディープラーニングベースの検出器が高精度かつ高速に顔領域を抽出する。
2.2 特徴抽出
検出された顔画像から、個人を識別するための特徴ベクトル（顔の埋め込み）を生成する。
2.2.1 幾何学的特徴ベース
目、鼻、口などのランドマーク間の距離や角度を数値化する手法。計算負荷が低く、実装が容易であるが、表情や角度の変化に弱い。初期の顔認識システムで広く利用された。
2.2.2 ニューラルネットワークベース
CNNやSiamese Networkを用いて、顔画像から高次元の特徴ベクトルを学習する手法。大量のデータで訓練されたモデルは、照明や姿勢の変化に対してロバストであり、現在の主流技術である。FaceNetやArcFaceが代表的である。
2.3 照合と識別
抽出された特徴ベクトルをデータベース内の登録データと比較し、個人の特定を行う。
2.3.1 1対1照合（認証）
入力された顔と、本人が申告したIDに対応する登録顔との類似度を計算する。閾値を超えれば本人と判定される。スマートフォンのロック解除などで利用される。
2.3.2 1対N照合（識別）
入力顔をデータベース内の全登録者と比較し、最も類似度の高い人物を特定する。監視カメラによる不特定多数の人物検出などで用いられる。
3 応用分野
3.1 セキュリティと監視
3.1.1 空港・国境管理
国際空港や国境ゲートでパスポートと顔を照合する自動化ゲートが普及している。本人確認の迅速化となりすまし防止に寄与する。
3.1.2 都市監視カメラ
公共エリアの監視カメラに顔認識システムを統合し、犯罪容疑者の追跡や行方不明者の発見に活用される。一方で、常時監視によるプライバシー懸念も指摘されている。
3.2 デバイスとアプリケーション
3.2.1 スマートフォンのロック解除
AppleのFace IDやAndroidの顔認証機能が代表的である。赤外線深度センサとニューラルエンジンを組み合わせ、高い精度と安全性を実現している。
3.2.2 写真整理とSNSタグ付け
GoogleフォトやFacebookなどで、アップロードされた写真から自動的に人物を識別し、タグ付けやアルバム分類を行う機能が提供されている。
3.3 商業とマーケティング
3.3.1 顧客分析
店舗内のカメラで来店客の顔を分析し、性別や年代を推定する。来店頻度や滞在時間のデータと組み合わせ、マーケティング戦略の立案に利用される。
3.3.2 広告ターゲティング
デジタルサイネージに顔認識機能を組み込み、目の前の人の属性に応じて広告内容を動的に変更する試みが行われている。ただし、同意取得の問題から普及は限定的である。
4 課題と倫理
4.1 プライバシーの懸念
顔認識は個人を特定できる情報を無断で収集・利用するリスクがある。特に公共空間での監視システムは、同意なしに追跡される不快感や、データ漏洩による悪用の危険性を生む。欧米では顔認識技術の一部モラトリアムや禁止条例が制定されている。
4.2 アルゴリズムのバイアス
4.2.1 人種・性別による精度差
多くの顔認識システムは訓練データに偏りがあり、白人男性に比べて有色人種や女性の認識精度が低いことが報告されている。このバイアスは誤認逮捕や不公平なサービス提供につながる深刻な社会的問題である。
4.2.2 対処法と改善策
多様な人種・性別・年齢を含む訓練データセットの構築、アルゴリズムの公平性評価指標の導入、第三者による監査の実施などが進められている。NIST（米国国立標準技術研究所）は定期的にベンダーの顔認識アルゴリズムを評価している。
4.3 法規制とガイドライン
4.3.1 GDPRと個人情報保護法
EUの一般データ保護規則（GDPR）は生体データを機微情報と位置づけ、顔認識の利用には厳格な同意と目的制限を課している。日本の個人情報保護法も、2020年改正で生体データの取扱いに関する規定を強化した。
4.3.2 地域別の規制比較
EUは顔認識の公共空間での使用を原則禁止するAI法案を審議中である。中国は監視社会構築の一環として積極的に導入する一方、欧米の一部都市（サンフランシスコ、ボストンなど）では警察による顔認識使用を禁止している。規制の温度差は国際的なデータ流通にも影響を与えている。
5 将来の展望
5.1 3次元顔認識への進化
従来の2次元画像に加え、深度センサやLiDARを用いた3次元顔認識が実用化されつつある。立体形状情報を利用することで、照明や角度への依存度が低下し、より高い精度と偽造耐性を実現する。
5.2 表情や感情分析との統合
顔認識技術に表情認識や感情推定を組み合わせ、医療（うつ病のスクリーニング）や教育（集中度評価）、マーケティング（顧客満足度分析）などへの応用が期待される。ただし、感情のプライバシーや誤分類のリスクに関する新たな倫理課題も生じている。
5.3 プライバシー保護技術との協調
差分プライバシーやフェデレーテッドラーニング、同型暗号などの技術を顔認識システムに導入し、個人データをサーバに送信せずに端末上で処理する手法が研究されている。ユーザーのプライバシーを守りつつ、利便性を両立する方向への技術進歩が期待される。