戴上口罩AI变“脸盲”？口罩人脸识别黑科技来袭

疫情期间，口罩在全国抗疫中起到了关键作用。但在口罩成为每一位公民“标配”的同时，对诸如“刷脸”支付、高铁闸机身份认证等需要人脸识别的场景提出了挑战。

口罩、帽子、墨镜等遮挡物会在一定程度上削弱人工智能对人脸识别的精准度。在面部有遮挡人脸识别的攻克中，有三个亟待解决的技术难点。

首先，由于口罩、帽子的遮挡，可供识别的面部生物特征随之减少。其次，遮挡物类型较多且遮挡程度不一，如何利用未遮挡部分的信息也影响到面部遮挡人脸识别。最后，面部遮挡人脸识别和关键点检测的准确性会受到影响。

遮挡物会在一定程度上削弱人脸识别的精准度

众多AI企业纷纷寻找解决办法试图攻克上述难题。京东数科研发了能够实时检测戴口罩人脸、对未佩戴口罩或错误佩戴口罩的人员及时发现并进行语音提醒的人脸识别技术。

据悉，京东数科自研的轻量级人脸检测器Centerface，可以同时预测面部框和界标位置，通过将人脸检测和对齐转换为标准关键点估计问题，克服了以前基于锚的方法的缺陷。

针对戴口罩场景下的五官遮挡，京东数科在现有wideface数据集的基础上增加口罩遮挡数据集来训练。目前，口罩场景下的人脸检测算法准确率超过99.87%，召回率已超过98.3%。

Centerface可有效识别出多种口罩佩戴情况

腾讯优图在口罩人脸识别领域做了大量努力。优图利用人脸质量模型对被口罩遮挡的人脸进行口罩遮挡判断以及遮挡区域提取两类分析。其中，口罩遮挡判断目前已达99.5%以上准确率。

该算法基于优图自研的DDL技术框架，结合优图人脸质量模型的遮挡区域判断能力，使数据模型在应对戴口罩人脸时，自适应地关注非口罩区域的人脸判别信息，从而提取出更加鲁棒的人脸特征。

优图DDL人脸识别技术

此前，华为申请了一项名为“一种人脸识别方法及系统”的技术专利。该项技术能够实现对面部遮挡的人脸图像进行准确识别，提高了人脸识别的精确性。

这项技术的关键在于面部有遮挡的人脸数据库。根据丰富的面部遮挡人脸数据，算法能够判断需要识别的人脸图像上的遮挡物，例如眼镜、口罩等，并将遮挡物提取出来增加到参考数据库中未遮挡的人脸图像上。

华为“一种人脸识别方法及系统”技术专利

可以看出，为了解决面部遮挡人脸识别问题，这些知名AI企业不约而同在训练数据和算法的提升上做出努力。

解决上述问题的关键也正是AI训练数据规模，在图像质量有保障的前提下，数据规模越大，通常优化效果越好。

针对面部遮挡人脸识别这一应用场景，数据堂研制了高质量的《5,000人戴口罩人脸识别数据》和《2,000人面部遮挡多姿态人脸识别数据》，为相关企业算法和技术的升级提供助力。

5,000人戴口罩人脸识别数据

5000位被采集者，每人分别采集7张图片。数据多样性包括不同类型的口罩、不同年龄段、不同光照、不同采集环境，对口罩类型、性别、人种和年龄标签标注的准确率超过97%。该套数据可应用于遮挡人脸检测及识别等计算机视觉任务。
戴口罩人脸识别数据样例，已获得被采集人授权

2,000人面部遮挡多姿态人脸识别数据

该数据涵盖了4种光线条件、5种人脸姿态和 10种遮挡条件（包括不遮挡条件），工作人员采集了每位被采集者200张人脸数据。

数据中对人脸姿态、遮挡物、性别和年龄标签标注的准确率超过97%，是一套可应用于遮挡人脸检测及识别等计算机视觉任务的高质量、高标准数据。

面部遮挡多姿态人脸识别数据样例，已获得被采集人授权

深度学习技术的出现使得人脸关键点检测算法性能不断提升，但是仍然存在一些难点，如面部遮挡。解决这些问题还应回归到训练数据，扩大数据的多样性成为相关AI企业持续努力的方向。

数据堂始终坚持加强技术伦理建设、坚持科技向善的理念，数据的采集和处理严格遵守各项规定，所采集的数据均已获得被采集人授权，客户可以放心使用。