隨著對抗新冠疫情的戰役正式打響，口罩對控制疫情起到了相當關鍵的作用，但全民佩戴口罩也對諸如高鐵閘機等需要人臉識別的場景提出了挑戰: 戴口罩人群由於面部區域大範圍被口罩遮擋，現有算法無法準確檢測人臉位置、定位五官關鍵點，大大降低現有的人臉識別算法效果。此外，在公共場所摘下口罩靠人工排查，不僅耗費大量人力、排查效率低，也增加了一線工作人員的感染風險。
最近，網絡上也流傳了這樣一張圖片，內容是說在N95口罩上打印上你的臉，這樣你就可以在解鎖手機的同時，保護人們免受病毒傳播的侵害。
其實，這樣做口罩成本高，也不方便操作。在中國，這一問題已經解決。據瞭解，騰訊優圖針對不同戴口罩場景進行算法研發與優化，最終解決了戴口罩的人臉識別的問題。
口罩佩戴識別準確率高於99%，優圖攻克口罩下人臉識別技術
優圖在人臉檢測、人臉配準（關鍵點定位）、人臉屬性、人臉識別等技術進行重點攻堅，目前可實時檢測戴口罩人臉、精準識別五種不同的佩戴口罩情形，並對未佩戴口罩或錯誤佩戴口罩的人員及時發現預警。在此基礎上，優圖DDL人臉識別技術進一步增強對人臉可見區域的判別能力，實現更魯棒的人臉識別。
在人臉檢測方面，基於優圖開源的DSFD人臉檢測算法，針對戴口罩場景下的五官遮擋，騰訊優圖在模型設計上進行局部特徵增強，提升可見區域權重。同時針對口罩種類豐富、佩戴位置多樣等問題，在數據增強方面設計相應策略，提升模型魯棒性。目前，口罩場景下的人臉檢測算法準確率超過99%，召回率超過98%。
不同遮擋情況下的人臉檢測效果（圖片來自網絡）
在人臉配準（關鍵點定位）方面，為解決口罩帶來的面部區域大範圍遮擋問題，基於優圖自研的多分支輕量神經網絡，優圖快速通過圖像編輯技術合成海量人臉口罩數據用於算法優化提升，實現戴口罩人員的精準五官定位，有效輔助後續算法模塊的效果提升。
左圖：優化前由於臉部大範圍遮擋，導致人臉關鍵點定位偏差較大
右圖：算法優化後，算法可有效估計戴口罩人臉的正確關鍵點座標
（圖片來自：MAFA數據集）
在口罩屬性識別方面，目前優圖算法可精細識別以下五種情形：未佩戴口罩、錯誤佩戴口罩且遮擋嘴部、錯誤佩戴口罩且遮擋下巴、錯誤佩戴口罩未遮擋面部、正確佩戴口罩。該屬性識別基於優圖開源的FAN屬性識別，並針對口罩可能分佈的人臉位置，加入更多的attention機制，可精準識別人臉是否正確佩戴。目前，對有無口罩佩戴的識別準確率超過99%。社區管理人員等可根據不同場景下的需求，自由組合這些類別。同時，各企事業單位也可以利用該技術及時檢測員工情況，保障安全復工。
可識別的五種戴口罩類型
在戴口罩人臉識別方面，優圖提供了一套靈活兼具安全與便利的算法解決方案。利用優圖人臉質量模型對被口罩遮擋的人臉進行口罩遮擋判斷以及遮擋區域提取兩類分析。其中，口罩遮擋判斷目前已達99.5%以上準確率。而對於安全性要求極高的應用場景，如支付場景，可基於口罩遮擋判斷結果篩選出戴口罩或者口罩嚴重遮擋的人員，並進一步引導其進行其他方式的身份驗證。該算法基於自研的DDL技術框架，結合優圖人臉質量模型的遮擋區域判斷能力，使數據模型在應對戴口罩人臉時，自適應地關注非口罩區域的人臉判別信息，從而提取出更加魯棒的人臉特徵。
優圖DDL人臉識別技術
常規的人臉識別算法，即便是應用於配合條件下戴口罩人臉識別時，性能也會極大程度地下降。而優圖人臉識別算法，基於上述的優化手段，可將戴口罩人臉識別的召回率提升至接近正常人臉識別的召回率，基本滿足戴口罩場景下的人臉識別應用。
結合口罩下的人體識別，輔助社區進行人員管理和排查
相較於人臉識別技術，基於圖像“搜人”的人體識別技術（ReID）對人體圖像的遮擋、朝向以及清晰度具有較高的魯棒性，同時對攝像頭的清晰度、假設位置以及角度等沒有硬性要求。
疫情期間，絕大多數外出人員均會佩戴口罩，人臉識別技術對於佩戴口罩的人員成功率會有所下降。對於社區一線工作人員來說，人臉識別技術對佩戴口罩的人員身份確認失敗，會大大增加他們的排查登記工作量，而摘除口罩進行識別又會增加潛在的傳播風險。
基於騰訊優圖目前業界領先的ReID技術，騰訊優圖聯合騰訊海納利用人體特徵和人臉識別相結合的方式，將傳統人臉識別方式下無法溯源的戴口罩出入人員進行確認，從而提升社區工作人員摸排登記外來人員的效率。
目前，相關技術已在多個不同地區的應用場景中陸續落地，在這場全民抗疫的戰爭中，持續發揮AI的價值。
閱讀更多 科幻畫報 的文章
