受新型冠狀病毒肺炎疫情影響，佩戴口罩成為大眾出行的必選動作，因為這是最有效的防傳染措施。但另一方面，口罩卻給需要人臉識別做支持的場景帶來了諸多不便，如手機人臉識別解鎖、支付、打卡、車站檢票等場景中，人臉識別無法有效識別，只能無奈摘除口罩，但這則帶來了健康風險。

對此，許多科技企業(yè)連夜升級原有算法，升級了人臉識別產品，做到佩戴口罩不影響人臉識別。

雖然目前市場上已有戴口罩人臉識別相關產品成功商用了，但仍有有業(yè)內人士認為：“無論算法如何升級，這類AI產品很難落地及量產，口罩識別技術根本不可能做到。”

此前，曠視科技向北京地方銀行申請1億元貸款，將用于開發(fā)戴口罩人群中更加精準的人臉識別相關技術的報道收到了廣大網(wǎng)友的質疑，更多的評論則指出，這樣做沒價值，就是個偽需求。

一時之間，“戴口罩人臉識別是不是偽需求”也成了行業(yè)內的熱點話題。

戴口罩人臉識別面臨三大技術難題

眾所周知，目前人臉識別的落地方向大致可以分為兩大類：

消費級場景，譬如手機解鎖、社區(qū)出入等等；對技術精度要求更高，涉及到金融支付的手機解鎖等場景對于AI識別準確率要求之高讓人咂舌，通常四個九起步。

安防類場景，譬如逃犯抓捕、幼兒尋回等等。更為看中技術的廣度。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程中都會選擇戴帽子或者戴口罩，以遮擋部分面部特征。

業(yè)內資深專家表示：“口罩、帽子等遮擋物確實會對AI識別造成精度下降，但還需要考慮遮擋面積，并非完全不能識別。”

在口罩識別的技術攻克中，主要會遇到的技術難題有三個：

由于口罩遮擋，人像信息減少，學習到的特征的判別性隨之較少。具體的，二維紋理信息會由于遮擋而丟失、三維形狀信息會帶有噪聲；

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)域的信息也是一個影響因素；

戴口罩人臉的人臉檢測和人臉關鍵點檢測的精度受到口罩遮擋的影響會降低。

多家企業(yè)突破“戴口罩也能人臉識別”

騰訊優(yōu)圖

日前，騰訊優(yōu)圖成功研發(fā)出了口罩佩戴識別專用AI，戴著口罩也能人臉識別，官方稱，這套AI既能對戴口罩者實現(xiàn)人臉識別，又能發(fā)現(xiàn)口罩佩戴錯誤人員，口罩佩戴識別準確率超過99%。

目前該AI能力正在上線，近期將通過騰訊云神圖向公眾開放。所有為政府部門、醫(yī)療機構等開發(fā)疫情服務，以及提供遠程辦公、教學等服務的開發(fā)者和服務商，都可以免費或以一定優(yōu)惠額度享受服務。

騰訊優(yōu)圖這套算法目前可實時檢測戴口罩人臉、精準識別五種不同的口罩佩戴情形，并對未佩戴口罩或錯誤佩戴口罩的人員及時發(fā)現(xiàn)預警。

AI可精細識別的五種情形包括：未佩戴口罩、口罩僅遮擋嘴部、口罩僅遮擋下巴、口罩未遮擋面部、正確佩戴口罩。

常規(guī)的人臉識別AI，在用戶戴著口罩時基本會武功盡失。而騰訊優(yōu)圖這套新AI，在實現(xiàn)戴口罩人臉和口罩情形檢測的基礎上，把戴口罩人臉識別的準確率提升到了和常規(guī)人臉識別接近的水平。

這個AI會利用優(yōu)圖人臉質量模型，先對人臉進行口罩遮擋判斷，然后對遮擋區(qū)域進行信息提取。其中，口罩遮擋判斷準確率目前已達99.5%以上。

不過，對于安全性要求極高的應用場景，比如支付場景，算法會基于口罩遮擋判斷結果，引導面部遮擋嚴重的人員進行其他方式的身份驗證。

商湯科技

商湯科技在疫情爆發(fā)后也升級了該公司的人臉識別產品。

商湯科技說，新算法可以讀取眼部、嘴部和鼻部周圍240個面部特征關鍵點。只需使用人臉上沒有遮擋的部分，就能匹配身份。

一般來說，算法納入的關鍵點越多，識別結果越精確。但也受別的因素影響。北京清飛科技有限公司一位高管表示，人臉識別系統(tǒng)需要的數(shù)據(jù)未必多多益善，但一定是越準確越好。

華為

此前，華為在這塊便進行了多種嘗試，并申請了一項名為“人臉識別方法、裝置及計算機可讀介質”的影像重構技術專利。

該專利顯示，通過圖像重構網(wǎng)絡可以將戴配件（眼鏡、口罩、帽子等）的人臉圖像重構為未戴配件的人臉圖像。

數(shù)據(jù)來自：智慧芽全球數(shù)據(jù)庫

另外，華為還申請了一項“一種人臉識別方法及系統(tǒng)”的技術專利。

通過人臉識別方法實現(xiàn)了對人臉上存在遮擋物的人臉圖像進行準確的識別，提高了人臉識別的精確性。

數(shù)據(jù)來自：智慧芽全球數(shù)據(jù)庫

此技術關鍵點是建立遮擋人臉圖像庫，具體來說就是在判斷需要識別的人臉圖像上有遮擋物（例如眼鏡、口罩等）時，將遮擋物提取出來并增加到參考數(shù)據(jù)庫中未遮擋的人臉圖像上。

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

阿里

此前阿里則用“局部特征細化與整體相似度評估”的方式來提高準確率，他們通過綜合局部器官圖像匹配技術完成識別，此時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)面部多個局部器官的相似度評估指標和對應的權重，得到整體相似度評估指標，從而獲取更精確的遮擋下的面部識別結果。

小結：

綜合以上專利以及落地案例來看，相關廠商們在此之前就已經考慮到了人臉識別遮擋的情況，并做出全方位的技術突破。

雖然新技術的突破與應用面臨許多不足及弊端，但確實社會發(fā)展的衍生物，全盤否定實不可取的，我們要用辯證的觀點待之。

由此也可以得出結論：口罩識別等小眾需求在某些場景已是大眾問題，隨著AI使用場景的愈加多元，相關技術也定會不斷革新。