昨天，雷鋒網(wǎng)AI掘金志其中的一個(gè)安防社群因?yàn)橐粋€(gè)話題引發(fā)了不小的爭(zhēng)論：“AI產(chǎn)品能否高效地實(shí)時(shí)識(shí)別出戴口罩的人是誰(shuí)？”

　　過(guò)去一段時(shí)間，受疫情影響，民眾們無(wú)不戴上了口罩，這同時(shí)也給人臉識(shí)別檢測(cè)造成了不小的困擾。就此，部分廠商連夜升級(jí)原有算法，革新固有產(chǎn)品。并聲稱，升級(jí)后的AI系統(tǒng)，即使居民戴了口罩，也能做到無(wú)障礙識(shí)別。

　　對(duì)于這個(gè)說(shuō)法，有業(yè)內(nèi)人士認(rèn)為：“無(wú)論算法如何升級(jí)，這類AI產(chǎn)品很難落地及量產(chǎn)，口罩識(shí)別技術(shù)根本不可能做到。”

　　但也有人極力反駁：“相關(guān)技術(shù)已經(jīng)比較成熟，口罩識(shí)別沒(méi)有什么問(wèn)題，相關(guān)產(chǎn)品目前已經(jīng)成功商用了?！?/p>

　　一時(shí)間，社會(huì)話題之外，“口罩”也成了AI圈的熱議詞匯。

　　1

　　在討論AI能否識(shí)別戴口罩的群體之前，我們先來(lái)談?wù)勅四樧R(shí)別的使用場(chǎng)景。

　　目前，人臉識(shí)別的落地方向大致可以分為兩大類：

　　一是消費(fèi)級(jí)場(chǎng)景，譬如手機(jī)解鎖、社區(qū)出入等等；

　　二是安防類場(chǎng)景，譬如逃犯抓捕、幼兒尋回等等。

　　這兩大類場(chǎng)景對(duì)于技術(shù)的要求維度截然不同，消費(fèi)類場(chǎng)景看中技術(shù)精度，涉及到金融支付的手機(jī)解鎖等場(chǎng)景對(duì)于AI識(shí)別準(zhǔn)確率要求之高讓人咂舌，通常四個(gè)九起步。

　　以如意支付PAD為例，該款刷臉支付設(shè)備內(nèi)置了銀行卡檢測(cè)中心認(rèn)證的云從增強(qiáng)級(jí)活體檢測(cè)模組，并已實(shí)現(xiàn)99.99%的防活體攻擊準(zhǔn)確率。

　　而安防類場(chǎng)景則更為看中技術(shù)的廣度。以公安抓逃為例，為了逃避天眼追蹤，絕大多數(shù)犯罪嫌疑人在反偵察過(guò)程中都會(huì)選擇戴帽子或者戴口罩，以遮擋部分面部特征。

　　考慮到安防場(chǎng)景的現(xiàn)實(shí)所需，部分廠商很久之前就開(kāi)展了對(duì)于面部遮擋技術(shù)的研究工作，在提升技術(shù)可用性方面做了不同程度的嘗試。

　　雷鋒網(wǎng)AI掘金志通過(guò)采訪數(shù)位業(yè)內(nèi)資深專家，得到的答案比較一致：

　　“口罩、帽子等遮擋物確實(shí)會(huì)對(duì)AI識(shí)別造成精度下降，但還需要考慮遮擋面積，并非完全不能識(shí)別?！?/p>

　　在口罩識(shí)別的技術(shù)攻克中，主要會(huì)遇到的技術(shù)難題有三個(gè)：

　　由于口罩遮擋，人像信息減少，學(xué)習(xí)到的特征的判別性隨之較少。具體的，二維紋理信息會(huì)由于遮擋而丟失、三維形狀信息會(huì)帶有噪聲；

　　口罩類型比較多且口罩遮擋程度不一，如何更多地利用非遮擋區(qū)域的信息也是一個(gè)影響因素；

　　戴口罩人臉的人臉檢測(cè)和人臉關(guān)鍵點(diǎn)檢測(cè)的精度受到口罩遮擋的影響會(huì)降低。

　　2

　　此前，華為在這塊便進(jìn)行了多種嘗試，并申請(qǐng)了一項(xiàng)名為“人臉識(shí)別方法、裝置及計(jì)算機(jī)可讀介質(zhì)”的影像重構(gòu)技術(shù)專利。

　　該專利顯示，通過(guò)圖像重構(gòu)網(wǎng)絡(luò)可以將戴配件（眼鏡、口罩、帽子等）的人臉圖像重構(gòu)為未戴配件的人臉圖像。

　　數(shù)據(jù)來(lái)自：智慧芽全球數(shù)據(jù)庫(kù)

　　另外，華為還申請(qǐng)了一項(xiàng)“一種人臉識(shí)別方法及系統(tǒng)”的技術(shù)專利。

　　通過(guò)人臉識(shí)別方法實(shí)現(xiàn)了對(duì)人臉上存在遮擋物的人臉圖像進(jìn)行準(zhǔn)確的識(shí)別，提高了人臉識(shí)別的精確性。

　　數(shù)據(jù)來(lái)自：智慧芽全球數(shù)據(jù)庫(kù)

　　此技術(shù)關(guān)鍵點(diǎn)是建立遮擋人臉圖像庫(kù)，具體來(lái)說(shuō)就是在判斷需要識(shí)別的人臉圖像上有遮擋物（例如眼鏡、口罩等）時(shí)，將遮擋物提取出來(lái)并增加到參考數(shù)據(jù)庫(kù)中未遮擋的人臉圖像上。

　　例如在判斷出待識(shí)別人臉有佩戴眼鏡時(shí)，就提取出眼鏡特征并在原圖像庫(kù)的基礎(chǔ)上新建一個(gè)戴眼鏡的參考圖像庫(kù)，再將需要識(shí)別的人臉圖像與該庫(kù)中的參考圖像進(jìn)行匹配查找，從而完成識(shí)別。

　　華為之外，阿里也申請(qǐng)了相關(guān)專利。

　　此前阿里則用“局部特征細(xì)化與整體相似度評(píng)估”的方式來(lái)提高準(zhǔn)確率，他們通過(guò)綜合局部器官圖像匹配技術(shù)完成識(shí)別，此時(shí)局部器官不僅可以是眼睛圖像、鼻子圖像、嘴巴圖像和耳朵圖像等，還可以是下巴區(qū)域、臉部輪廓、胎記或黑痣圖像等等。

　　根據(jù)面部多個(gè)局部器官的相似度評(píng)估指標(biāo)和對(duì)應(yīng)的權(quán)重，得到整體相似度評(píng)估指標(biāo)，從而獲取更精確的遮擋下的面部識(shí)別結(jié)果。

　　當(dāng)然，國(guó)內(nèi)人工智能企業(yè)在人臉識(shí)別領(lǐng)域也有大量專利，比如的盧深視。

　　的盧深視是一家專注于計(jì)算機(jī)視覺(jué)和人工智能的創(chuàng)業(yè)公司，為安防、金融、教育等領(lǐng)域提供解決方案，目前他們已經(jīng)在多個(gè)領(lǐng)域拿下數(shù)個(gè)千萬(wàn)級(jí)別的項(xiàng)目訂單。

　　“有遮擋面部識(shí)別本來(lái)就屬于技術(shù)研發(fā)規(guī)劃中的既定項(xiàng)目，此前主要針對(duì)墨鏡、大檐帽等?！?/p>

　　的盧深視副總裁朱海濤博士告訴雷鋒網(wǎng)，在安防領(lǐng)域，遇到識(shí)別口罩等技術(shù)需求再平常不過(guò)了。

　　據(jù)悉，此前他們?cè)谀尺吔》萋涞?000多套3D設(shè)備，并建立了省級(jí)規(guī)模的人像數(shù)據(jù)庫(kù)，使用將近5年的過(guò)程中，采集得到的實(shí)戰(zhàn)數(shù)據(jù)千億級(jí)別，累計(jì)ID近3000萬(wàn)，里邊涉及太多個(gè)性化識(shí)別，在解決部分面部遮擋方面有很多的技術(shù)積累。

　　針對(duì)口罩識(shí)別，朱海濤博士提到，短時(shí)間內(nèi)主要通過(guò)模擬生成戴口罩?jǐn)?shù)據(jù)，從而優(yōu)化人臉識(shí)別算法模型。期間，主要關(guān)注兩個(gè)點(diǎn)：

　　一是訓(xùn)練數(shù)據(jù)規(guī)模，通常都是數(shù)十萬(wàn)到百萬(wàn)級(jí)別，在圖像質(zhì)量有保障的前提下，規(guī)模越大，通常優(yōu)化效果越好。

　　這就帶來(lái)了第二個(gè)關(guān)注點(diǎn)，廠商很難在短時(shí)間內(nèi)采集得到數(shù)十萬(wàn)的戴口罩?jǐn)?shù)據(jù)，這個(gè)時(shí)候就要采用模擬的方法，具體而言：

　　二維：一般廠商通常的做法是，根據(jù)二維圖片上的人臉關(guān)鍵點(diǎn)，將二維的口罩貼圖和二維圖片中的人臉做一個(gè)對(duì)齊，然后根據(jù)口罩的mask圖來(lái)完成填加口罩操作。

　　三維：而的盧深視選擇先重建三維人臉模型，再將口罩的三維模板模型與三維人臉模型做非剛性對(duì)齊，從而完成模擬加口罩的操作。

　　總結(jié)來(lái)說(shuō)，的盧深視基于人臉全局特征及局部特征相結(jié)合的方法，同時(shí)充分利用人臉未遮擋部位的三維幾何信息進(jìn)行三維人臉識(shí)別研究，相對(duì)于普通的二維人臉識(shí)別能夠有效應(yīng)對(duì)戴口罩等遮擋場(chǎng)景的人臉識(shí)別。

　　據(jù)悉，依托3D數(shù)據(jù)的豐富特征，針對(duì)戴口罩、戴帽子、戴防護(hù)鏡等嚴(yán)重遮擋情況，通過(guò)算法優(yōu)化，的盧深視的技術(shù)識(shí)別準(zhǔn)確度可以達(dá)到97%以上。

　　“目前，我們的技術(shù)方案已經(jīng)在全國(guó)多個(gè)地市落地應(yīng)用。”朱海濤博士提到。

　　譬如在溫州，為了平衡居民生活與防疫措施，溫州在全市范圍內(nèi)實(shí)行村（居）民出行管控措施，要求全市每戶家庭每?jī)商熘概梢幻彝コ蓡T采購(gòu)物資。

　　為了此項(xiàng)管控舉措更安全有效的實(shí)施，的盧深視利用3D視覺(jué)人臉比對(duì)終端設(shè)備搭配三維人像數(shù)據(jù)平臺(tái)，形成人臉比對(duì)及快速建庫(kù)方案，在出入口進(jìn)行刷臉核驗(yàn)，實(shí)現(xiàn)出入人員管控，同時(shí)對(duì)新增人員進(jìn)行快速入庫(kù)操作，后臺(tái)大數(shù)據(jù)系統(tǒng)實(shí)時(shí)繪制人員行為軌跡，為疫情排查提供依據(jù)。

　　“真正成立口罩識(shí)別相關(guān)研究是在1月中旬啟動(dòng)，落地是在一月底，大概2周時(shí)間，落地部署之后，我們一直在持續(xù)調(diào)優(yōu)。”

　　朱海濤博士補(bǔ)充道。

　　值得一提的是，目前的盧深視該方案已入選由中華人民共和國(guó)應(yīng)急管理部主辦的應(yīng)急裝備綜合信息服務(wù)平臺(tái)，第一時(shí)間響應(yīng)國(guó)家和政府的應(yīng)急需求保障。

　　無(wú)論是從華為、阿里的技術(shù)專利出發(fā)，還是從的盧深視的落地案例來(lái)看，相關(guān)廠商們?cè)诖酥熬鸵呀?jīng)考慮到了人臉識(shí)別遮擋的情況，并做出全方位的技術(shù)突破。

　　由此也可以得出結(jié)論：口罩識(shí)別等小眾需求在某些場(chǎng)景已是大眾問(wèn)題，隨著AI使用場(chǎng)景的愈加多元，相關(guān)技術(shù)也定會(huì)不斷革新。

　　新技術(shù)的突破與應(yīng)用固然有著諸多不足與弊端，但也是社會(huì)發(fā)展的必然，不加分辨地完全認(rèn)可和全盤(pán)否定都是不可取的。

　　找出問(wèn)題、解決問(wèn)題，多一些耐心、少一些戾氣，才是技術(shù)發(fā)展的主旋律和應(yīng)該有的節(jié)奏。

　　3

　　針對(duì)戴口罩場(chǎng)景下通過(guò)人臉識(shí)別進(jìn)行身份核驗(yàn)這一熱點(diǎn)問(wèn)題，雷鋒網(wǎng)AI掘金志深度采訪了的盧深視相關(guān)專家，以下是全部?jī)?nèi)容，雷鋒網(wǎng)(公眾號(hào)：雷鋒網(wǎng))作了不改變?cè)獾恼砼c編輯：

　　1、如何定義“戴口罩人臉識(shí)別”？

　　戴口罩人臉識(shí)別是指在正確佩戴口罩的情況下，實(shí)現(xiàn)非接觸式的人的身份核驗(yàn)，即明確“你是誰(shuí)”。

　　戴口罩人臉識(shí)別屬于遮擋人臉識(shí)別，要求在可接受的誤識(shí)別率范圍內(nèi)，達(dá)到較好的正確識(shí)別率。戴口罩人臉識(shí)別涉及的算法除了人臉檢測(cè)、關(guān)鍵點(diǎn)檢測(cè)和人臉特征提取算法外，還包括口罩（有無(wú)）檢測(cè)或口罩區(qū)域檢測(cè)。

　　2、是否需要保障露出多少面部特征？

　　由于嘴部區(qū)域和鼻子區(qū)域受到了遮擋，對(duì)人臉識(shí)別帶來(lái)了很大的挑戰(zhàn)。一般而言，口罩遮擋部位越小，人臉識(shí)別模型的性能越高。

　　以的盧深視的三維口罩遮擋人臉識(shí)別解決方案為例，在正確佩戴口罩的場(chǎng)景下即可成功識(shí)別。

　　3、戴口罩人臉識(shí)別的技術(shù)原理是什么？

　　的盧深視基于人臉全局特征及局部特征相結(jié)合的方法，同時(shí)充分利用人臉未遮擋部位的三維幾何信息進(jìn)行三維人臉識(shí)別研究，相對(duì)于普通的二維人臉識(shí)別能夠有效應(yīng)對(duì)戴口罩等遮擋場(chǎng)景的人臉識(shí)別。

　　4、戴口罩識(shí)別有哪些技術(shù)難點(diǎn)？

　　· 戴口罩人臉的人臉檢測(cè)和人臉關(guān)鍵點(diǎn)檢測(cè)的精度受到口罩遮擋的影響會(huì)降低；

　　· 由于口罩遮擋，人像信息減少，學(xué)習(xí)到的特征的判別性隨之較少。具體的，二維紋理信息會(huì)由于遮擋而丟失、三維形狀信息會(huì)帶有噪聲；

　　· 口罩類型比較多且口罩遮擋程度不一，如何更多地利用非遮擋區(qū)域的信息也是一個(gè)影響因素。

　　5、如何提升戴口罩識(shí)別的準(zhǔn)確率？

　　簡(jiǎn)單講講通過(guò)模擬生成戴口罩?jǐn)?shù)據(jù)，從而優(yōu)化人臉識(shí)別算法模型這種研究方法。

　　的盧主要關(guān)注兩個(gè)點(diǎn)，一個(gè)是訓(xùn)練數(shù)據(jù)規(guī)模，通常都是數(shù)十萬(wàn)到百萬(wàn)級(jí)別，在圖像質(zhì)量有保障的前提下，規(guī)模越大，通常優(yōu)化效果越好。

　　這就帶來(lái)了第二個(gè)關(guān)注點(diǎn)，我們很難在短時(shí)間內(nèi)采集得到數(shù)十萬(wàn)的戴口罩?jǐn)?shù)據(jù)，這個(gè)時(shí)候就要采用模擬的方法，具體而言：

　　· 二維：通常的做法是，根據(jù)二維圖片上的人臉關(guān)鍵點(diǎn)，將二維的口罩貼圖和二維圖片中的人臉對(duì)齊，然后根據(jù)口罩的mask圖來(lái)完成填加口罩操作。

　　· 三維：先重建三維人臉模型，再將口罩的三維模板模型與三維人臉模型進(jìn)行非剛性對(duì)齊，從而完成模擬加口罩的操作。

　　的盧深視成立5年落地多個(gè)項(xiàng)目，并幫助某邊疆省份建立了省級(jí)規(guī)模的3D人像數(shù)據(jù)庫(kù)，積累大量實(shí)戰(zhàn)數(shù)據(jù)。由于實(shí)戰(zhàn)數(shù)據(jù)的豐富性，為的盧深視能夠迅速開(kāi)展更多前沿研究奠定了基礎(chǔ)。

　　6、相關(guān)方案對(duì)使用環(huán)境的大小、優(yōu)劣有要求嗎？

　　由于3D技術(shù)的優(yōu)勢(shì)，我們的方案支持大庫(kù)建庫(kù)以及精準(zhǔn)識(shí)別，可以在學(xué)校、醫(yī)院、校區(qū)等人流量較大的場(chǎng)景使用。

　　7、疫情之后，對(duì)于技術(shù)發(fā)展趨勢(shì)，你如何判斷？

　　省市級(jí)別的人員數(shù)據(jù)庫(kù)建設(shè)會(huì)成為趨勢(shì)。（其實(shí)此次疫情從武漢蔓延到多地，也是由于人員數(shù)據(jù)的跨區(qū)域追蹤不到，加速了疫情蔓延）