论文部分内容阅读
担心新冠肺炎病毒感染，不敢摘口罩？现在，戴着口罩也能“刷脸”。近日，全国不少工厂、企业、社区出现这样的场景，用户戴着口罩刷脸打卡，短短几秒就完成了身份识别、体温检测，大大降低了人员密集场所感染新冠病毒的风险。
为保障全国复工复产，以百度、商汤科技、云从科技等为代表的企业开发出诸多戴口罩人脸识别产品。这些产品近日已陆续投入使用。实际上，2月下旬，国务院应对新型冠状病毒感染肺炎疫情联防联控机制印发的《企事业单位复工复产疫情防控措施指南》就提出，各单位应暂时停用指纹考勤机，改用其他方式对进出人员进行登记。未来，戴口罩人脸识别有望进一步扩大应用。
人脸识别技术包括图像采集、人脸定位、身份确认等多种学科。早在20世纪60年代，科学家就开始了对人脸识别技术的研究。他们发现，人类的面部信息，如眼角点位与鼻翼点位的距离比值是固定不变的，利用这一规律可以确定每个人的身份。目前，人脸识别技术成熟度较高，识别准确率和速度高于肉眼。
中国信息通信研究院泰尔终端实验室副主任杨正军表示，以前的人脸识别主要是针对全脸进行扫描。疫情暴发后，研发人员考虑到居民戴口罩的情况，加强了对眼睛、眉毛等重点区域的识别。
疫情期间应运而生的戴口罩人脸识别能否仍保持高精度？北京邮电大学模式识别实验室教授邓伟洪坦言，戴口罩人脸识别技术其实是一项“老”技术。此前，研究人员在解决军事问题时就曾长期研究过该技术，并发展出诸多成熟应用。因此，该技术的稳定性和准确率是有一定基础的。
以往的技术基础并没有完全打消人们对戴口罩人脸识别“先天不足”的顾虑。相较于以往，口罩遮挡住面部，这使得人脸识别系统收集到的面部信息大量减少。邓伟洪表示，人脸识别的关键信息集中于眉毛和眼睛，只要模型训练得当，戴口罩人脸识别的准确率并不会大幅下降。
此次疫情让这项小众应用走入大众生活。随着该技术的普及，其应用场景将向个人消费、交通领域、教育行业等方面延伸。
尽管戴口罩人脸识别产品五花八门，但这些产品大多基于人工智能（AI）神经网络卷积技术。各研发机构在此基础上进行了一些调整。以三维人脸识别技术为例，该技术利用人脸未遮挡部位的三维几何信息进行三维人脸识别研究，通过增加有限区域的面部信息采集数量，构建精细的用户面部立体结构信息，从而实现面部识别。
为了提高识别准确率，局部特征与人脸全局特征相结合的方法也备受青睐。“该方法对训练数据的规模有要求，通常要求数十万到百万级别的样本量，投入巨大，往往只有资金雄厚的开发者才能实现。”邓伟洪说，不可否认的是，在图像质量有保障的前提下，训练数据规模越大，识别准确率越高。
此外，為了尽可能获得个体信息，一些人脸识别技术还采集着装、体态、发型等人体信息，以提高识别准确率。还有一些技术另辟蹊径，通过图像重构网络，将佩戴物件如眼镜、口罩、帽子等的人脸图像重构为未佩戴物件的人脸图像，进而通过比对实现人脸识别。
邓伟洪表示，有些实现方式可能“看起来很美”，但实现难度非常大，识别稳定性也难以保持，使得技术走向应用步履维艰。不过，从研究角度看，这种“百花齐放”更有益于学科发展。
戴口罩人脸识别技术的应用并不难。杨正军介绍称，目前，大多数人脸识别App和硬件设备直接采购上述研发公司提供的戴口罩人脸识别的软件包/工具包，经过调试后就能使用。“常规的软件包/工具包基本能满足现实应用，并且省去了开发时间。”杨正军说。
为了赋予应用方更多自主性，目前部分研发企业也开放了软件包/工具包，应用方可在短时间内获取到口罩识别佩戴模型。
日前，百度通过飞桨PaddleHub对外开源了口罩人脸检测及分类模型。该模型可以有效检测密集人流区域中的所有人脸，并判断其是否佩戴口罩。中国石油集团下属信息技术公司中油瑞飞上线的一款AI口罩检测应用就基于该开源模型。据了解，该应用可对工作区域内未佩戴口罩的人员进行识别并语音报警，识别准确率达96.5%以上。
百度该项目一位研发工程师表示，与常规用户不同，中油瑞飞使用内部局域网办公，因此研发人员按需定制，将飞桨主框架、预训练模型管理及迁移学习工具PaddleHub等模块以镜像形式打包后部署到中油瑞飞局域网中，解决了视频数据的处理、模型测试优化等问题。
云从科技将戴口罩人脸识别技术集成在其开发的AI智慧防疫检测系统之中。云从科技创新产品负责人何红路介绍称，结合视频智能分析、热成像AI测温、疫情数据挖掘分析等技术手段，该AI智慧防疫检测系统具备体温异常人员筛选、佩戴口罩人脸识别、人员未佩戴口罩识别预警、体温异常人员轨迹还原、佩戴口罩路人库检索、数据导出等功能。各类技术的综合应用使得疫情管控的“事中防控、事后溯源”得以实现。
值得一提的是，戴口罩人脸识别系统并非只能用于疫情期间。邓伟洪介绍，疫情之后，相关应用系统可调试成常规的人脸识别模式，最大限度降低应用方的投入成本。此外，在公安抓逃（犯罪嫌疑人的反侦察手段常遮挡面部）等安防场景中，面部遮挡的人脸识别技术也有很大施展空间。
为保障全国复工复产，以百度、商汤科技、云从科技等为代表的企业开发出诸多戴口罩人脸识别产品。这些产品近日已陆续投入使用。实际上，2月下旬，国务院应对新型冠状病毒感染肺炎疫情联防联控机制印发的《企事业单位复工复产疫情防控措施指南》就提出，各单位应暂时停用指纹考勤机，改用其他方式对进出人员进行登记。未来，戴口罩人脸识别有望进一步扩大应用。
老技术“玩”出新花样
人脸识别技术包括图像采集、人脸定位、身份确认等多种学科。早在20世纪60年代，科学家就开始了对人脸识别技术的研究。他们发现，人类的面部信息，如眼角点位与鼻翼点位的距离比值是固定不变的，利用这一规律可以确定每个人的身份。目前，人脸识别技术成熟度较高，识别准确率和速度高于肉眼。
中国信息通信研究院泰尔终端实验室副主任杨正军表示，以前的人脸识别主要是针对全脸进行扫描。疫情暴发后，研发人员考虑到居民戴口罩的情况，加强了对眼睛、眉毛等重点区域的识别。
疫情期间应运而生的戴口罩人脸识别能否仍保持高精度？北京邮电大学模式识别实验室教授邓伟洪坦言，戴口罩人脸识别技术其实是一项“老”技术。此前，研究人员在解决军事问题时就曾长期研究过该技术，并发展出诸多成熟应用。因此，该技术的稳定性和准确率是有一定基础的。
以往的技术基础并没有完全打消人们对戴口罩人脸识别“先天不足”的顾虑。相较于以往，口罩遮挡住面部，这使得人脸识别系统收集到的面部信息大量减少。邓伟洪表示，人脸识别的关键信息集中于眉毛和眼睛，只要模型训练得当，戴口罩人脸识别的准确率并不会大幅下降。
此次疫情让这项小众应用走入大众生活。随着该技术的普及，其应用场景将向个人消费、交通领域、教育行业等方面延伸。
技术实现方式不尽相同
尽管戴口罩人脸识别产品五花八门，但这些产品大多基于人工智能（AI）神经网络卷积技术。各研发机构在此基础上进行了一些调整。以三维人脸识别技术为例，该技术利用人脸未遮挡部位的三维几何信息进行三维人脸识别研究，通过增加有限区域的面部信息采集数量，构建精细的用户面部立体结构信息，从而实现面部识别。
为了提高识别准确率，局部特征与人脸全局特征相结合的方法也备受青睐。“该方法对训练数据的规模有要求，通常要求数十万到百万级别的样本量，投入巨大，往往只有资金雄厚的开发者才能实现。”邓伟洪说，不可否认的是，在图像质量有保障的前提下，训练数据规模越大，识别准确率越高。
此外，為了尽可能获得个体信息，一些人脸识别技术还采集着装、体态、发型等人体信息，以提高识别准确率。还有一些技术另辟蹊径，通过图像重构网络，将佩戴物件如眼镜、口罩、帽子等的人脸图像重构为未佩戴物件的人脸图像，进而通过比对实现人脸识别。
邓伟洪表示，有些实现方式可能“看起来很美”，但实现难度非常大，识别稳定性也难以保持，使得技术走向应用步履维艰。不过，从研究角度看，这种“百花齐放”更有益于学科发展。
按需打造个性化应用
戴口罩人脸识别技术的应用并不难。杨正军介绍称，目前，大多数人脸识别App和硬件设备直接采购上述研发公司提供的戴口罩人脸识别的软件包/工具包，经过调试后就能使用。“常规的软件包/工具包基本能满足现实应用，并且省去了开发时间。”杨正军说。
为了赋予应用方更多自主性，目前部分研发企业也开放了软件包/工具包，应用方可在短时间内获取到口罩识别佩戴模型。
日前，百度通过飞桨PaddleHub对外开源了口罩人脸检测及分类模型。该模型可以有效检测密集人流区域中的所有人脸，并判断其是否佩戴口罩。中国石油集团下属信息技术公司中油瑞飞上线的一款AI口罩检测应用就基于该开源模型。据了解，该应用可对工作区域内未佩戴口罩的人员进行识别并语音报警，识别准确率达96.5%以上。
百度该项目一位研发工程师表示，与常规用户不同，中油瑞飞使用内部局域网办公，因此研发人员按需定制，将飞桨主框架、预训练模型管理及迁移学习工具PaddleHub等模块以镜像形式打包后部署到中油瑞飞局域网中，解决了视频数据的处理、模型测试优化等问题。
云从科技将戴口罩人脸识别技术集成在其开发的AI智慧防疫检测系统之中。云从科技创新产品负责人何红路介绍称，结合视频智能分析、热成像AI测温、疫情数据挖掘分析等技术手段，该AI智慧防疫检测系统具备体温异常人员筛选、佩戴口罩人脸识别、人员未佩戴口罩识别预警、体温异常人员轨迹还原、佩戴口罩路人库检索、数据导出等功能。各类技术的综合应用使得疫情管控的“事中防控、事后溯源”得以实现。
值得一提的是，戴口罩人脸识别系统并非只能用于疫情期间。邓伟洪介绍，疫情之后，相关应用系统可调试成常规的人脸识别模式，最大限度降低应用方的投入成本。此外，在公安抓逃（犯罪嫌疑人的反侦察手段常遮挡面部）等安防场景中，面部遮挡的人脸识别技术也有很大施展空间。