您现在的位置是：主页 > 洞察 >
口罩下的人脸识别
来源：今晚报 2020-11-09 16:57:37 阅读：
提要口罩下的人脸识别。...
2020年，新冠肺炎疫情在全球蔓延，口罩成为抗疫的一道重要防线，但这也为广泛应用的人脸识别带来了巨大的挑战。
基于原来的人脸识别算法，人脸识别机器在检测到人脸后，会对人脸关键特征点进行提取，经过预处理之后，传入后端，与库存的已知人脸进行比对，完成最终的识别分类。而戴着口罩会对个人的许多面部特征造成遮挡，从而降低人脸识别准确率。因此，如何精准完成口罩下的人脸识别，成为一个需要解决的难题。
其实，在计算机的研究领域里，这个问题被称为大面积人脸遮挡问题，一直都是研究领域的公认难题，难点主要在于以下几个方面：
首先，现有的人脸识别算法都需要找到人脸的位置，然后根据五官之间的关键点进行识别。佩戴口罩之后，无法准确检测人脸的位置、五官的关键点部分，算法便无法运行。
其次，人脸识别算法并不是一个简单的人脸识别过程。大家都知道，我们在高铁站、门禁等地方进行人脸识别的时候，识别机器会先出现一个红框，只要人脸移动了，红框就会随着人脸动的方向移动，时刻追踪着人脸的变化。实质上，人脸识别包含了人脸检测、运动物体追踪、人脸识别三个过程，上述的红框就起到了检测人脸、追踪人脸、识别人脸的作用。而佩戴口罩，影响机器对人脸的检测，进而影响了整个识别过程，对整个应用都带来了很大的干扰。
第三，人脸识别算法使用的深度神经网络模型受限于大数据量的训练样本。所以，如果可以在短期内收集到大量佩戴口罩的人脸照片，并对特征点进行人工标注，从理论上来说也是可以提升口罩下的人脸识别效果的。但是这个工作量巨大，短时间内难以完成。
目前，有研究提出，可以在现有的人脸识别算法上对口罩下的人脸识别进行针对性优化——在将提取到的特征点与库存人脸特征进行比对时，增强人脸可见区域特征点（如眼睛、耳朵等未被口罩遮挡的器官）的比例。现有的人脸识别是依据整个人脸特征，而优化后的人脸识别只依赖部分人脸特征。优化过的算法在现有数据下，应该可以获得比较好的识别效果。相信随着研究的深入和科技的发展，口罩下的人脸识别问题终将得到完满解决。
