因为疫情影响,所有人需要佩戴上口罩,人脸识别受到影响,经过提升了人脸识别的技术,带上口罩后也能一样被识别出来。
1
突如其来的新冠肺炎疫情严重扰乱了我们的生活节奏。佩戴口罩会遮挡大量的面部区域,导致原有的“人脸识别系统”突然间失效了。在公共区域摘下口罩完成人脸识别,不但会耗费大量不必要的时间,还会增加被感染的风险。
2
疫情为当下的人脸识别系统提出了全新的要求和挑战:在佩戴口罩场景下如何高效地完成人脸识别。为了解决上述的挑战,现有的人脸识别系统需要从人脸检测、人脸对齐以及人脸识别模块优化等几个主要的方面进行针对性的优化和提升。
1. 人脸检测模块优化
人脸检测是人脸识别系统最重要的组成部分之一,一旦人脸检测失败或检测结果出现较大偏差,都会严重影响后续人脸识别的效果。人脸检测算法在佩戴口罩场景下检测结果误差较大,主要是因为缺少相关的训练数据。
2. 人脸对齐模块优化
人脸对齐又被称为人脸关键点定位,该算法通过在人脸图片上标定出一些具有特殊语意信息的点,然后通过这些点对人脸进行仿射变换。当面部大部分区域被口罩覆盖时,人脸关键点定位算法的精度会急剧降低,进而影响人脸识别系统的精度。
3. 人脸识别模块优化
被口罩覆盖的面部区域包含大量用于人脸识别的特征信息。目前解决这一问题的主要方法是通过修改深度神经网络结构同时加入更多注意力机制,使模型可以更多地关注到未被口罩遮挡的眼部区域,同时结合脸型等面部结构特征来提升人脸识别系统在“口罩人脸识别”这一特殊场景下的精度。
3
无接触式测温、无人车送货、AI 辅助诊疗等技术在抗击疫情斗争中的大量使用,也让我们看到了人工智能技术所蕴含的巨大潜力。
就目前而言,人脸识别受到疫情的影响变得作用很小,摘下来被感染的几率过大。经过优化和提升了人脸识别系统,让戴口罩也能识别了。