智慧城市网

　　【安防展览网 时事聚焦】当前，突如其来的新型冠状病毒肺炎仍在持续影响全国。面对新型冠状病毒肺炎疫情的肆虐，戴口罩成为了全民出门的标配模式。而这也让人脸识别技术遭遇到尴尬境地。
 

　　此前，因为人脸识别技术在人员身份认证上所体现出来的便捷性及带来的效率提升，相关人脸识别产品、解决方案层出不穷，被广泛应用于机场、火车站、社区、园区等诸多场景的身份识别、考勤打卡及金融支付应用当中。
 

　　但在现阶段全民戴口罩的出行倡议下，人脸识别能否还能够发挥效用？
 

　　特别是在机场、火车站、社区园区等人员密集的公共场所，戴上口罩无法进行人脸验证，摘下口罩进行验证又面临交叉感染风险。
 

　　这也使得戴口罩下的人脸识别成为了备受社会各界关注的话题。
 

　　戴口罩下人脸识别能否发挥效用
 

　　CPS中安网了解到，有不少网友在网上表示在高铁站乘车检票时，闸机上的摄像头并不能在佩戴口罩的情况下进行识别，需要摘下口罩进行验证。
 

　　与此同时，亦有不少网友反映，其在火车站检票及上班考勤打卡中，有时戴着口罩依然能够通过人脸识别，完成验证。
 

　　如在上海奉贤区的农村智慧社区管理系统中，即使行人戴着口罩，人脸识别系统依然能够识别该人员。
 

　　在戴着口罩的前提下，为何有的人脸识别系统仍能发挥效用？有的却无法识别？
 

　　解决这一问题，需要先从人脸识别技术的工作原理展开。
 

　　不少业内人士表示，当前的人脸识别实际上是一个人脸比对、匹配的过程。无论是车站检票还是办公室打卡，都是将摄像头拍摄到的人脸图片与之前上传到数据库的照片进行比对。
 

　　通过对两张图像的眼睛、嘴巴、鼻子、耳朵以及皮肤等多个脸部特征点进行计算，如果相似度大于一个特定阙值，则会匹配成功，完成识别。
 

　　人脸识别工作流程

 

　　而因为口罩具备的不透光性，摄像头拍摄到的画面无法捕捉到嘴巴、鼻子等脸部特征，这也导致被遮挡部分无法进行识别。
 

　　如果原有的算法和数据库保留的是完整的面部特征，则意味着匹配的不成功。而有的人脸识别系统进行的只是眼睛、额头、耳朵等局部特征识别，即使是佩戴口罩，也能进行识别。
 

　　对此，京东数字科技AI实验室表示，戴上口罩进行人脸识别相当于只允许使用鼻子以上的特征，一般来说准确率会低于不戴口罩的人脸识别。
 

　　同时，人脸识别系统的内部设计有两种逻辑，如果系统内部有脸部遮挡判断，戴口罩会被系统拦截，不会进行人脸识别；如果系统内部没有遮挡判断，戴口罩也能进行人脸识别，存在一定概率通过。
 

　　即通过人脸识别算法上的调整与升级，能够使得系统在识别人员佩戴口罩的情况下，启动戴口罩场景下的人脸识别算法，只对眼睛、耳朵等局部特征进行人脸比对，但同时也会造成识别精度上的下降。
 

　　企业如何攻破戴口罩人脸识别难关
 

　　在疫情面前，传统的人脸识别技术略显鸡肋与尴尬，但在病毒的高感染性下，非接触式的人员身份验证仍是主流应用方向，有着广阔的市场空间。
 

　　这一短期需求的爆发也促使商汤科技、汉王科技、小视科技在内的诸多企业开始通过改进算法模型等方式，来提升企业产品在全民出行戴口罩背景下的人脸识别准确率。
 

　　如近期，商汤科技在新推出的AI智慧防疫解决方案中，表示其区域通行模块可以识别出戴口罩人的身份，在人员戴口罩的情况下，露出50%鼻梁时通过率可达85%。
 

　　而汉王科技在新推出的亮银钻石款动态人脸识别机中，其戴口罩人员的识别率也达到85%。当前该套系统在北京地区用户已达20余家，应用设备近200套。
 

　　小视科技相关负责人表示，其新开发的防疫智能系统，能够在有限的小区场景中实现“口罩+身份”人脸识别，戴口罩人员识别率达90%以上，当前系统也已在南京市江宁区东山街道多个社区实现落地。

 

　　据悉，长久以来，遮挡下的人脸识别是业界公认的难题，而疫情爆发的突然性也增加了其识别难度，具体表现在以下三方面：
 

　　戴上口罩后，因鼻子、嘴巴等五官信息被遮挡，人脸面部可用于辨别的信息会大幅减少；
 

　　脸部轮廓等可辨别信息也在物理分布上发生较大变化，因此按照传统思路训练出的人脸识别模型，精度都会出现大幅下降；
 

　　戴口罩下的人脸数据本身就非常缺乏，疫情之下也很难短时间内快速采集数据，或者找采集公司定制用以训练。
 

　　为此，在当前无法进行全部人脸信息比对的条件下，大多数企业均采用眼部特征与整体人脸特征的结合的方式来从算法上提升戴口罩下的人脸识别准确度。
 

　　以小视科技的基于口罩的人脸识别算法为例，该算法通过采用眼部关键点和注意力机制相结合的方法来增强眼部特征，眼部特征图与整体人脸特征图的多级融合，充分挖掘人脸的有效信息，提升模型在口罩遮挡情况下的表现。
 

　　实战落地能力仍有待提升
 

　　尽管当前戴口罩人脸识别算法已取得明显进步，但当技术落地到实际场景应用时，对企业仍带来不小压力。
 

　　据小视科技相关负责人介绍，其系统在实际部署中，口罩样式多样、口罩遮挡范围更广等问题都给产品方案的落地带来阻碍，需要不断去调整算法模型、识别阙值及门禁架设位置，才能保障在小规模社区中的识别效率。
 

　　但当人口达到一定规模后，比如在几十万人中，总能找到一些眼睛非常相似的情况，嘴巴及鼻子等局部信息被遮挡后，大规模人群的识别率就会降低。
 

　　天生的数据局限性及人脸有效信息的缺失，会在技术的实战落地中带来非常大的挑战。
 

　　与传统人工方式相比，人工智能技术的加入，为此次疫情的防控提供了有力的保障。但也应当清醒的认识到，此次全民戴口罩倡议下的人脸识别技术也暴露了其局部识别的不足，仍需要企业去冷静完善技术的实际落地效果。