如何识别出戴口罩的人脸？

为保障全国复工复产，以BAT、商汤科技、云从科技等为代表企业开发出诸多戴口罩人脸识别产品，近日这些产品陆续投入使用。

其实，2月下旬，国务院应对新型冠状病毒感染肺炎疫情联防联控机制印发的《企事业单位复工复产疫情防控措施指南》就提出，各单位应暂时停用指纹考勤机，改用其他方式对进出人员进行登记。未来，戴口罩人脸识别有望进一步扩大应用。

老技术“玩”出新花样

人脸识别技术包括图像采集、人脸定位、身份确认等多种学科，早在20世纪60年代，科学家就开始了对人脸识别技术的研究。研究人员发现，人类的面部信息，如眼角点位与鼻翼点位的距离比值是固定不变的，利用这一规律可以确定每个人的身份。目前，人脸识别技术成熟度较高，识别准确率和速度高于肉眼。

中国信通院云大所人工智能部工程师刘硕表示，以前的人脸识别主要是针对全脸进行扫描，疫情暴发后，研发人员考虑到居民戴口罩的情况，加强了对眼睛、眉毛等重点区域的识别。

疫情期间应运而生的戴口罩人脸识别能否仍保持高精度？北京邮电大学模式识别实验室教授邓伟洪坦言，戴口罩、墨镜等遮挡条件下的人脸识别其实是一项“老”技术，此前研究人员在解决军事刑侦和视频监控问题时就曾长期研究过该技术，并发展出诸多成熟应用。因此，该技术的稳定性和准确率是有一定基础的。以往的技术基础并没有完全打消人们对戴口罩人脸识别“先天不足”的顾虑。相较于以往，口罩遮挡住面部，这使得人脸识别系统收集到的面部信息大量减少。邓伟洪表示，人脸识别的关键信息集中于眉毛和眼睛，只要模型训练得当，戴口罩人脸识别的准确率并不会大幅下降。

此次疫情让这项小众应用走入大众生活，随着该技术的普及，其应用场景将向个人消费、交通领域、教育行业等方面延伸。

技术实现方式不尽相同

尽管戴口罩人脸识别产品五花八门，但这些产品的算法大多基于卷积神经网络技术，各研发机构在此基础上进行了一些调整。

川大智胜产品总监吕学斌告诉《中国科学报》，在后续的调整中，很多研发机构基于二维图像进行训练。用户的二维图像易得，近年来也暴露出一些安全问题。

为了提高识别准确率，局部特征与人脸全局特征相结合的方法也备受青睐。“该方法对训练数据规模有要求，通常要求数十万到百万级别的样本量，投入巨大，往往只有资金雄厚的开发者才能实现。”邓伟洪说，不可否认的是，在图像质量有保障的前提下，训练数据规模越大，识别准确率往往越高。

此外，为了尽可能获得个体信息，一些人脸识别技术还采集着装、体态、发型等人体信息，以提高识别准确率。还有一些技术另辟蹊径，通过图像重构网络将配戴物件如眼镜、口罩、帽子等的人脸图像重构为未戴配件的人脸图像，进而通过比对实现人脸识别。

邓伟洪表示，有些实现方式可能“看起来很美”，但实现难度非常大，识别稳定性也难以保持，使得技术走向应用步履维艰。不过从研究角度看，这种“百花齐放”更有益于学科发展。

川大智胜也是百花中的一支。吕学斌表示，希望通过采集用户的三维人像，增加人脸有限区域的面部信息采集数量，构建精细的用户面部立体几何结构信息，从而实现戴口罩的面部识别。目前该技术已应用于华西医院、北京南站、学校等，针对此次疫情，研究团队还研发了戴口罩三维人脸识别与自动快速体温筛查系统。

“该系统不仅可以识别戴口罩的用户，也可以识别不戴口罩的用户，识别准确率达到96%以上，基本满足了现场需要。”吕学斌说。

按需打造个性化应用

戴口罩人脸识别技术的应用并不难。刘硕介绍称，目前，大多数人脸识别App和硬件设备直接采购上述研发公司提供的戴口罩人脸识别的软件包/工具包，经过调试后就能使用。“常规的软件包/工具包基本能满足现实应用，并且省去了开发时间。”刘硕说。

为了赋予应用方更多自主性，目前部分研发企业也开放了软件包/工具包，应用方可在短时间内获取到口罩识别佩戴模型。

日前，百度通过飞桨PaddleHub对外开源了口罩人脸检测及分类模型，该模型可以有效检测密集人流区域中的所有人脸，并判断其是否佩戴口罩。中国石油集团下属信息技术公司中油瑞飞上线的一款AI口罩检测应用就基于该开源模型。据了解，该应用可对工作区域内未佩戴口罩的人员进行识别并语音报警，识别准确率达96.5%以上。

百度该项目一位研发工程师告诉《中国科学报》，与常规用户不同，中油瑞飞使用内部局域网办公，因此研发人员按需定制，将飞桨主框架、预训练模型管理及迁移学习工具PaddleHub等模块以镜像形式打包后部署到中油瑞飞局域网中，解决了视频数据的处理、模型测试优化等问题。

值得一提的是，戴口罩人脸识别系统并非只能用于疫情期间。邓伟洪介绍，疫情之后，相关应用系统可调试成常规的人脸识别模式，最大限度降低应用方的投入成本。此外，在公安抓逃（犯罪嫌疑人的反侦察手段常遮挡面部）等安防场景中，面部遮挡的人脸识别技术也大有施展空间。

刘硕提醒，如同人脸识别一样，口罩人脸识别背后还是应该关注如何保护隐私、如何在安全性和高效率之间进行平衡等问题。与人脸识别相比，我们当前缺乏口罩人脸识别相关的标准，无法很全面的评估现有技术/产品是否能满足不同应用场景需求。