如果要在今年上半年中選擇一款最成功的AI產品，那么在疫情期間被廣泛應用的人臉識別測溫機必然能有一席之地。憑借非接觸、無人值守、無感快速通行等優勢，不僅僅是本土市場，人臉識別測溫已經為國內廠商帶來了大批來自歐洲、南北美、中東、東南亞的海外訂單。

據筆者與深圳、廣州等地廠商的實地交流中得知，通過加大海外市場的布局力度，部分企業憑借人臉識別測溫機的訂單，僅2020年上半年的銷售額就超越了去年全年營收。

雖然市場向好，但是要進軍這一領域還是要考慮到，海外市場的供需兩側跟國內有著較大差異，某一小細節就可能影響到訂單的整體落地。那么，海外市場的人臉識別測溫設備究竟有何不同?通過這篇文章，希望與大家分享下，從市場一線帶回的實戰情況。

首先和國內測溫市場一樣，海外市場產品也主要布置在機場、火車站、地鐵站、醫院、學校和大型企業等人員密集場所。通過人臉檢測技術，人臉識別測溫機可以將測溫目標與周圍環境進行精準"分割"，再基于紅外熱成像來測量目標溫度，在無需物理接觸、無需人員操作的前提條件下，即可迅速篩查體溫異常人群。

其次，在產品的人機界面、操作流程等方面需要針對性的進行優化。國內對這項新興科技已經非常熟悉了，但在開拓海外市場時，需要考慮到國外人群對于新技術的接受程度和敏感性。因此，在產品設計時要及時作出調整，使之更符合當地的使用習慣。

而從最重要的產品能力角度而言，必須在人臉識別算法選型時，考慮到算法魯棒性能否適配海外人群，以及佩戴口罩下的人臉檢測成功率 。否則會出現大量的誤識和拒識，從而極大影響產品體驗。

由于國外市場的區域眾多，需要算法可以兼顧黑、白、黃等等多類人群，保持檢測成功率穩定。同時相較而言，國外著裝和發型較為多樣化，比如擁有大量不蓄發造型，以及頭巾、絡腮胡、墨鏡等等所涉及的遮擋問題。并且從新聞視頻中也可以發現，海外所佩戴的口罩造型也較為豐富并非標準化，這也將直接影響到口罩下的人臉檢測。

這些因素，都會對人臉識別算法的能力提出較大挑戰。此前，麻省理工媒體實驗室的一項實驗也證明了這一點。該實驗通過對IBM、亞馬遜在內的多家公司人臉識別算法進行測試，發現12%的深色皮膚男性被認錯，而深色皮膚女性的錯判率甚至高達35%。

人臉檢測實測報告及免費算法推薦：

針對人臉識別測溫機中，重點用到的人臉檢測技術，筆者實測了市面上多款開放、開源算法。從結果來看有幾款還是比較不錯的，綜合成本、算法魯棒性、廠商整體實力，推薦大家可以嘗試一下——虹軟視覺開放平臺的ArcFace免費人臉識別算法。

在實測時，筆者采用了含3000張國外人臉素材的測試集，為了保證模擬真實環境，還加入了一定比例的負樣本(非人臉圖像，如卡通人物、動物照片)，用于檢測誤識率。經過多輪測試，ArcFace 算法的人臉檢測成功率均在96%以上，誤識率在1%以下。

①針對口罩、帽子、絡腮胡等大面積臉部遮擋，虹軟 ArcFace 算法表現良好，可以穩定人臉檢測。尤其是國外的口罩樣式繁多，筆者測試其他幾款算法都有一定比例出現檢測失敗的情況。

②針對不同膚色人群，在逆光、暗光、側光等各類復雜光線條件下，虹軟 ArcFace 算法也有上佳表現。

③.光頭不蓄發等造型，有可能會導致算法混淆人臉和環境的邊界，針對這一問題，虹軟人臉識別算法依舊魯棒性良好，基本不受影響。

同時，從企業盈利的生命線成本角度而言，虹軟視覺開放平臺所開放的人臉比對、人臉檢測、活體檢測、人證核驗等技術均可以零成本、免費商用。值得一提的是，這些技術都是離線算法，使用本地端算力即使在沒有網絡的場景下，依舊可以運行。因此在實際落地時，廠商可以無需考慮國外不熟悉的網絡環境。

此外，在算法選型時服務也是重要的一個環節。虹軟作為一家科創板上市企業，相對來說還是值得信賴的。從目前形勢來看，人臉識別測溫設備在海外將依舊熱門，感興趣的朋友可以去下載嘗試一下。