『人脸识别』疫情下技术突破：戴口罩还能人脸识别，百度技术落地引发变革 |技术|百度|文章|

【『人脸识别』疫情下技术突破：戴口罩还能人脸识别，百度技术落地引发变革】

本文插图
关于口罩人脸识别，其实这并不是第一次阐述了。如果朋友关注一人客以前文章的话，可能有印象。关于疫情期间戴口罩的人脸检测的问题，其实是个挑战。毕竟当我们戴口罩后，我们的大部分脸部特征都被遮挡住了，传统的人脸识别算法在这里就无法识别了。正是因为面临这个挑战，百度在国内率先开源了首个口罩人脸检测分类模型，它的底层基础，就是百度开源的首个工业级的人工智能框架。这些资讯，在我们以前的文章里，已经发布过。

本文插图
戴口罩人脸识别，对于百度而言，已经不是什么难题了。我们在以前的资讯文章里，提到开源算法可以识别是否佩戴口罩，其实更进一步的情况是，对于佩戴了口罩了人，也能进行精准地人脸识别，也就是你戴着口罩AI算法照样认得你。
而且，百度的口罩人脸识别技术，已经落地使用，之前的资讯，我们都已经了解过了，百度“是否佩戴口罩”问题早已解决。而现在，在百度园区，员工上班戴着口罩就可以刷脸“入场” ，已经解决了“戴上口罩也能检测到你是谁”的问题。相对于其他科技厂商而言，它的突破是革命性的。
在以前的资讯中，我们并没有深入了解戴口罩人脸检测的难题突破。而据一人客了解，从网上公开的信息得知，要检测戴口罩的人脸是谁，对于传统算法而言难点在于三方面：一是丢失大量脸部特征；二是加大算法训练的难度；三是对人脸检测多个模块造成影响。
首先是丢失大量脸部特征的难题。口罩遮挡了大量的脸部特征，那么就需要在口罩之外的脸部寻求特征点。而眼睛则是特别重要，甚至包含了更多身份信息的区域。百度视觉技术就是捕捉到这一点，采用基于空间位置的注意力机制特征学习，让算法更加关注对眼部区域的特征学习。
既然第一步突破了，那么第二步的难题就摆在面前。如何通过有限的特征点来训练算法。众所周知，人工智能算法就是靠大量的数据特征来训练的，数据不够，算法就“巧妇难为无米之炊” ，所以在这一步，百度视觉，采用了基于人脸关键点的3D图像融合技术。它不仅能解决人脸姿态变化带来的口罩形变和遮挡问题，而且还生成更加自然、真实的照片来“恢复人脸” 。这是通过收集市面上各种颜色、大小和样式的口罩图片，与之前积累的未佩戴口罩人脸图片进行融合，快速合成了各种场景、海量真实的戴口罩训练照片。
现在到了最后一步， AI人脸识别系统模块之间的问题。百度对检测算法和口罩分类算法都做了一系列优化。当把所有问题解决、算法优化后，百度推出的这个口罩人脸识别算法，准确率和检测速度都是惊人的。而口罩人脸检测的技术落地，恰恰说明了它的成熟和实用。