“人脸识别技术升级 聚焦眼部戴着口罩也能认出你”

本篇文章1585字，读完约4分钟

3月6日，在中国中铁科学研究院的门禁口，工作人员们戴着口罩和头盔，排队不断洗脸打卡。 他们不摘口罩和帽子，只需在屏幕前短暂停留，员工的新闻和体温状况就出现在屏幕上，员工也实现了安全、快速的入场。

在人工智能技术飞速发展的今天，人脸识别已经不是什么新鲜事了。 但是，在新冠肺炎疫情下，在建筑工地、学校机关等需要鉴别入场者身份新闻的地方，戴上口罩、头盔后，实现了人脸的快速识别和体温的同时检测，成为新的技术成果。 戴口罩进行脸部识别的技术难点在哪里？ 目前的成果提供了如何获取防疫、获取生产的处理方案？ 将来，这项技术会处于什么样的应用空之间？ 月6日，记者采访了相关科研人员。

全员口罩身份识别将面临新的挑战

滴，体温数据正常！ 复工后，四川成都青白江区，担负成都地铁隧道管片生产重任的铁八局桥梁企业复工，是工厂门口扫码公司自主开发的每日疫情统计小程序，实现人员疫情防控新闻实时跟踪。 进入复工高峰以来，利用云平台、大数据和物联网系统等，施工人员体温门禁系统、渣土车远程管理、人员无线定位、视频监控等诸多黑科技一手抓防疫，一手抓生产有序推进，

疫情过后，恢复现场管理也出现了许多新的技术诉求，在戴口罩、头盔的情况下，实现入场人员的准确识别是恢复管理的重要方向。 中国中铁科学研究院技术中心智能工地联合实验室研发人员赵阳表示，根据安全生产要求，过去工地采用的智能工地平台系统的重要功能之一是识别进入工地的人员，但在疫情下，佩戴口罩、头盔，测量体温，更新

这项技术的难点在哪里？ 传统的人脸识别算法是基于人脸特征的关键点进行识别的，算法中包含的关键点越多，识别结果也越准确。 但是戴口罩后，能识别的点会大幅减少。 鼻子以下的脸部特征被隐藏，脸部特征的重要点减少，机器之前学习的特征判别能力下降。 赵阳说，口罩将禁用传统的人脸识别算法模型，机器将无法识别现在的人。 另外，口罩的种类很多，口罩的程度也不同，难度也增加了。

与人脸识别的新诉求相比，对现有的智能工地平台进行大范围的硬件变更，一方面增加设备，提高价格，另一方面改造周期长，难以满足再生产的要求。 赵阳表示，该研发团队通过加强软件算法、升级系统平台，提出了处理方案。

眼部优化观察力算法模型

脸部识别通常分为脸部检测和脸部配对两个步骤。 赵阳说，脸部识别的流程是，脸部机首先从视频图像中找到脸部，然后根据人脸的眼睛、鼻子、嘴、眉毛等脸部特征，经过一定的算法，在人数据库中识别对应的人。

记者识别后台管理系统，并在系统人员管理栏中输入该公司所有员工的姓名、部门、工号、电话等基本新闻，以及相应个人的高清照片。 戴口罩的工作人员进入办公楼洗脸后，系统马上将检测到的脸配对，以识别工作人员的身份，并通过语音报告测量出的体温。 在硬件方面，该装置只在原脸识别的平板电脑上添加测温头。

戴口罩后，如何提高识别通过率？ 前提是尽量增加脸部的特征点。 脸部几乎一半被遮住后，脸部特征点集中在眼睛和眉毛两部分。 赵阳说。

我们采用从算法模型突围、眼部、眉毛等局部特征与整体面部特征的融合，结合观察力机制增强眼部特征，通过训练眼部按键的模型，提高了蒙着口罩的模型的面部识别率。 赵阳表示，在面部被遮挡的环境中，通过将眼睛的关键点识别为观察力模型，可以快速扫描全局图像，获得需要关注点的目标区域的眼睛，从而形成观察力的焦点。 而且，眼睛部分投入了越来越多的观察力资源来获取值得关注的目标的详细新闻，同时抑制其他无用的新闻。

使用同样的原理，在算法层面，通过比较脸部的全局特征和局部特征组合的方法，可以优化现有的脸部识别算法模型，即使在人的脸部发生了其他遮挡的情况下，也能够同样准确地进行识别 戴着头盔进入工程项目后，面部识别依然有效，这一点已经实现。 赵阳表示，目前，由于大量训练数据，戴口罩、戴头盔的人群面部识别率将达到99.9%。