在人工智能技術迅猛發展的當下，人臉識別應用已日趨成熟，但在此次疫情中卻也面臨了全新挑戰——口罩下的人臉該如何完成識別？基于原有的人臉識別算法，佩戴口罩會大大影響人臉識別準確率，如果為了刷臉脫掉口罩，則又會增加感染風險。

針對這一實際需求，為了更好的助力復工復產期間的疫情防控，虹軟視覺開放平臺推出了口罩相關的人臉識別相關算法，包含“口罩佩戴檢測算法”和“戴口罩時的人臉識別算法”，全力支持合作伙伴和開發者研發相關“抗疫”應用落地。

佩戴口罩，為何也能做到99.5％的識別準確率？

在人臉識別領域中，佩戴口罩屬于大面積人臉遮擋，一直以來都是公認難題，難點主要體現在：

第一，人臉識別算法主要依據人臉面部特征進行身份判定，佩戴口罩進行識別時，算法無法準確檢測人臉位置、定位五官關鍵點，大大降低了識別效果。

第二，人臉識別算法使用的深度學習技術依賴海量的訓練數據，短期內難以收集到大量佩戴口罩照片，并進行人工標注；

第三，人臉識別算法包含多重模塊，佩戴口罩影響的不僅僅是人臉比對模塊，還會影響到人臉檢測、跟蹤等多個模塊，對整個系統帶來很大的干擾影響。

基于原創技術積累，虹軟視覺開放平臺針對原有人臉識別算法模型進行了針對性升級，提升人臉可見區域權重，在局部特征增強方面設計了相應策略，如加強了對眼睛、眉毛等重點區域的識別，佩戴口罩下的人臉識別準確率達99.5％以上。

而在全新推出的“口罩佩戴檢測算法”上，虹軟視覺開放平臺針對口罩種類豐富、佩戴位置多樣等問題，在數據增強方面設計相應策略，提升了模型魯棒性。該算法可有效識別是否規范佩戴口罩，如未佩戴口罩、錯誤佩戴口罩、用手或其他物體遮擋臉部等多種場景。復產企業、復課學校等可以利用該技術，及時提醒相關人員正確佩戴口罩，提升防控效率。

疫情防控正進一步推動人臉識別商用落地

人臉識別技術憑借無物理接觸、可無感使用等特點，以及全新的佩戴口罩人臉識別算法的推出，在此次疫情防控中，各類人臉識別非接觸應用扮演了非常重要的角色。

2月下旬，國務院應對新型冠狀病毒感染肺炎疫情聯防聯控機制印發的《企事業單位復工復產疫情防控措施指南》中提出，各單位應暫時停用指紋考勤機，改用其他方式對進出人員進行登記。可以預見，無論是疫情中還是疫情后，戴口罩人臉識別考勤設備都將鎖定更大市場空間。

除了辦公考勤外，車站、機場等人員密集的交通樞紐對于戴口罩人臉識別也有極大需求。疫情期間，如果一一除去乘客的口罩來進行人證核驗，難免將乘客長時間暴露于人群聚集的 高風險場景中，而且增加工作人員負擔，導致排查效率低下。有了升級后的戴口罩人臉識別算法，短短幾秒即可完成身份識別、體溫監測，大大降低了人員密集場所新冠病毒感染風險。

一直以來，虹軟視覺開發平臺通過免費、離線的ArcFace算法賦能，幫助了大量中小企業及個人開發者，在智慧樓宇、智慧旅游、智慧工地、智慧校園、智慧出行、智能機器人等諸多場景中落地了人臉識別商業化應用。本次疫情中，也幫助巖齊智能、一德文化等合作伙伴推出了多款助力疫情防控的人臉識別產品，在不同行業中發揮重要作用。

可以發現，此次疫情讓人臉識別應用進一步的加入的大眾生活。疫情過后，生活回到正軌，人臉識別技術留下的痕跡卻不會被抹除。經此一役，人臉識別技術或將融入生活與工作的方方面面，成為社會發展的基礎技術之一。lw