在疫情持續的當下，戴口罩且正確佩戴成為外出必備的通行證。但一對一的肉眼檢查方式通行效率低，容易造成人群的被動聚集，增加了近距離接觸的風險。
與此同時，口罩的使用也帶來了諸多不便，尤其是在手機解鎖、支付、打卡、車站檢票等需要人臉識別做支持的場景中。
各地地鐵站均要求乘客測體溫，且佩戴口罩方可進站
口罩人臉檢測技術痛點與應用
為了解決疫情之下檢測人群有無戴口罩；各刷臉場景中戴口罩無法精準識別人臉的兩大痛點。國內不少人工智能公司，已經開始研發戴口罩場景下的人臉識別。這事大概分兩種，第一是識別戴沒戴口罩；第二是這戴口罩的人是誰。
這兩者目前在市面上都有案例存在，比如曠視團隊提出的“人體識別+人像識別+紅外/可見光雙傳感”的解決方案，其中用到了“雙光融合”，即結合紅外光和可見光，紅外負責測溫，可見光負責呈現。誤差低於 0.03℃。
曠視 AI 測溫系統應用界面
此前有人誤解為可以進行戴口罩的身份識別，官方回應稱，僅僅是AI 用技術快速定位額頭（較為準確的測溫位置），再利用熱成像攝像機對該額頭進行精確測溫。
商湯科技“AI 無感測溫”似乎功能更為高級，全稱叫商湯 AI 智慧防疫解決方案的區域通行模塊。
正如名稱一樣，該解決方案也是測溫的，使用熱成像攝像機，資料稱經過商湯 AI 算法優化，每秒可檢測 10 人次。可以僅對行人額溫進行測量，保證測量精度誤差在 ± 0.3℃ 以內，並實現疑似體溫異常實時聲光和彈窗告警，系統支持對疑似體溫異常人員二次核驗。
另一個功能是檢測過往行人是否乖乖戴口罩。官網稱未戴口罩檢出率 ＞99%。
可是知君戴口罩，不知君是誰。僅僅知道戴口罩與否仍然不能滿足一些場景的需求。比如一些工作場所需要準確的身份識別，而且還要戴著口罩的。
遮擋下的人臉識別是業內公認的一個難題：
- 一方面，戴上口罩後，首先因鼻子、嘴巴等五官信息被遮擋，人臉面部可用於辨別的信息會大幅減少；
- 其次臉部輪廓等可辨別信息也在物理分佈上發生較大變化，因此按照傳統思路訓練出的人臉識別模型，精度都會出現大幅下降；
- 還有數據，戴口罩下的人臉數據本身就非常缺乏，疫情之下也很難短時間內快速採集數據，或者找採集公司定製用以訓練。
據商湯官網消息，商湯 AI 智慧防疫解決方案的區域通行模塊可以識別出戴口罩人的身份。該模塊包括有商湯 SensePass Pro 人臉識別測溫一體機、SensePass Pro 人臉識別高精度測溫閘機、SenseID 030 人證核驗測溫一體機，可根據場景等級不同，提供不同的測溫測量形式，應用於樓宇、學校、酒店、園區出入口等。
在人員戴口罩的情況下，露出 50% 鼻樑時通過率可達 85% 。
此外，漢王科技推出的升級版漢王亮銀鑽石款動態人臉識別機的識別率也達到 85%。
據資料顯示，漢王科技的人臉識別機搭載六核 CPU，數據處理速度快，採用雙目光電硬件和可見光活體識別算法，並且裝配有 200W 1080P/30fps 雙攝像頭。
目前，漢王的這套系統已經被上地地區，漢王大廈、弘祥文化產業園等 6 家企業已使用。北京鳥巢金色大廳、北京第三中級法院、友邦保險、北京消防博物館……北京地區用戶已達 20 餘家，設備近 200 套。
與此同時，考慮到挑戰難度，小視科技AI研究院院長鬍建國決定，首先從算法模型上突圍。
此前，團隊已經積累了近千個基礎模型，但是否有與實際需求匹配尚是個未知數。目前，業界仍然沒有一個穩定且高效的針對口罩的人臉識別算法。進行模型評測要有戴口罩下的人臉測試數據，管理層緊急發動公司全員及親屬，用了兩天時間採集一個小規模數據集。緊接著遠程調用計算集群進行模型評測，他們找到了一種有效的模型思路——採用眼部特徵與整體人臉特徵的融合，並結合注意力機制增強眼部特徵，通過自研的輕量級網絡，單獨訓練眼部關鍵點的模型，來提升模型在口罩遮擋下的人臉識別率。
胡建國解釋，計算機視覺中的注意力機制與人類視覺的選擇性類似，核心目標也是從眾多信息中獲取最相關的信息。佩戴口罩的人臉中眼睛成為了人臉識別的關鍵信息，基於口罩的人臉識別採用眼部關鍵點和注意力機制相結合的方法來增強眼部特徵，眼部特徵圖與整體人臉特徵圖的多級融合，充分挖掘人臉的有效信息，提升模型在口罩遮擋情況下的表現。
人臉識別模型注意力機制效果，第一列表示原圖，第二列表示熱力圖，第三列表示導反向傳播圖，第四列表示導向反向傳播灰度圖，圖中觀察到人眼的區域得到了更多的關注。
在人臉識別模型的訓練過程中，胡建國團隊同時加載預先訓練的眼部關鍵點網絡用於特徵圖的提取，並與人臉識別網絡提取的特徵圖相結合，結合注意力機制突出眼部特徵，提高識別的準確率。
在內部測試集中，該模型結果僅比普通算法模型指標低 5%。而在此之前，業界其他方案的公開口罩人臉識別仍在 80%-90% 區間。
該思路此前在通用任務表現上並不理想，所以沒有推廣開來，但在口罩識別場景下的表現超出了所有人的預期。
2 月 4 日，小視AI算法團隊拿到模型測試結果後，胡建國和團隊認為模型指標下降並不嚴重，已具備在實際生產中有效運行的可能性。
截至 2 月 12 日，在不到五天時間裡，小視科技的這套解決方案已完成 20 餘家小區的生產佈署，服務社區居民 4 萬餘人。除此之外，企業單位、政府部門等其他場景也正在投入使用。
近日，百度宣佈免費開源業內首個口罩人臉檢測及分類模型。
該模型可以有效檢測在密集人流區域中，佩戴和未佩戴口罩的所有人臉，同時判斷出他們是否佩戴口罩。
據百度方面介紹，此次免費開源的自研口罩人臉檢測及分類模型，是基於 2018 年百度發表於計算機視覺頂會 ECCV 的論文 PyramidBox，而研發的輕量級模型。
模型基於主幹網絡 FaceBoxes，對於光照、口罩遮擋、表情變化、尺度變化等常見問題具有很強的魯棒性，並且能夠在多種不同端、邊、雲設備上實時檢測，在落地過程中做到真正實用。
模型適用於機場、火車站、汽車站、輪渡港口、醫院學校、企業、門店等人群密集的公共場所。
據介紹，口罩人臉檢測及分類模型，由兩個功能單元組成，可以分別完成口罩人臉的檢測和口罩人臉的分類。
經過測試，口罩人臉檢測部分在準確度上達到了 98%，且口罩人臉分類部分的準確率達到了 96.5%，滿足常規口罩檢測需求。
檢測模型功能演示，用戶也可上傳圖片進行檢測
百度表示，新模型採用了超過十萬張圖片的訓練數據，確保樣本量足夠且有效。基於大量數據的訓練，實現了上述的準確率。
此外，該模型具有以下三個特點：
- 無接觸快速預警，且 7*24 小時守護：從檢測開始到識別完成僅需 300ms，準確率效果大於 98%，精準判斷未戴口罩人士。
- 自動檢測口罩佩戴是否正確：可以從俯視視角、平視視角精準判斷口罩佩戴是否正確，有效排除口罩帶反、露出口鼻、口罩上沿位於鼻子面部貼合等多種不合規情形，準確率效果大於 90%。
- 支持多種部署形式：可以將口罩識別模型以公有云 API、私有化本地部署、設備端 SDK 多種形式使用，與客戶自有業務靈活適配，可綜合應用移動端 App、視頻檢測等多種業務中使用。
據該模型研發工程師介紹，開發者可基於自有場景數據還可進行二次模型優化，進一步提升模型準確率和召回率。
為了最大程度方便開發者應用，百度深度學習平臺飛槳通過簡單易用的預訓練模型管理工具將人臉口罩檢測模型開源出來，只需基本的 Python 編程能力，即可快速上手調用。
如果具有一定的移動端 App 開發能力，也可以快速將模型部署到移動端上。
此前不完整面部檢測技術研究現狀
2019 年，布拉德福德大學的研究人員在不完整面部識別方面獲得了突破性進展，實驗表明，掃描整個面部的 3/4、甚至 1/2 的識別準確率能夠達到 100％。研究團隊還展示了某個獨立部位的識別，比如鼻子、前額或者嘴巴，但識別率不是很高。該論文已發表在 Future Generation Computer Systems 上。
並不是國外研究團隊熱衷於“猜猜我是誰”。國內院校和企業早就在這方面進行了專利佈局。
蘇州大學在 2012 年就提交了《遮擋人臉認證方法及系統》專利。專利稱其發明了一種基於 MB-LBP 特徵的遮擋人臉識別算法。該算法首先將人臉樣本分成六個分塊，然後通過結合監督 I-NN 近鄰法的 SVM 二分算法對人臉分塊進行遮擋判別。若分塊被遮擋，則直接捨棄，若未遮擋則提取其相應的 LBP 紋理特徵向量進行識別，然後使用一種基於傳統投影方法的分類器來減少特徵匹配次數。該算法有效地提高了局部遮擋人臉的檢測率和檢測速度。
電子科技大學、西安電子科技大學、上海交大等不少院校都有相關遮擋下的人臉識別專利。這種佈局至少有 8 年之久，當時研究團隊和企業就意識到了一些遮擋情景，比如識別暴徒身份。
作者簡介：武漢維識教育科技有限公司創立於“武漢·中國光谷”，專注於人工智能、機器人工程、智能製造工程、雲計算、大數據及區塊鏈信息技術安全等人工智能及網絡安全領域的多維教育。系人社部“工業機器人系統操作員培訓規範”標準制定單位之一。公司以工業機器人、智能機器人為主要載體，已建立完善詳盡的人工智能、機器人工程及智能製造工程專業整體解決方案，並與全國100餘所高校建立合作關係；網絡安全教育涉及身份安全、業務安全、數據安全與終端安全四大板塊。
閱讀更多 人工智能培訓 的文章
