在人工智能技术迅猛发展的当下，人脸识别已经不是一件新鲜事。但新冠肺炎疫情下，在建筑工地、学校机关等需要鉴别入场人员身份信息的场所，人员在佩戴口罩、安全帽后，实现人脸快速识别并同步检测体温，成为一项全新的技术成果。
人脸识别面临的难题
戴口罩的人脸识别场景，主要应用方向在于，一方面确认人员是否戴口罩，另一方面需要确认戴口罩人身份，同时搭配上热成像体温检测手段，实现大人群流量的快速、准确检测。那么，戴口罩的人脸识别有哪些技术难点呢？
人脸识别算法是根据面部特征关键点来进行识别的，算法纳入的关键点越多，识别的结果也就越精确。但佩戴口罩后，可供识别的“关键点”大幅减少。鼻子以下的面部特征被掩盖，面部特征关键点减少，机器之前学习的特征判别能力随之降低。口罩会使原有的人脸识别算法模型失效，使机器无法识别当前的人。同时，口罩类型较多且遮挡程度不一，也提升了难度。
戴口罩进行识别，怎么做到的？
人脸识别一般先从视频图像中找出人脸，然后提取人脸上的眼睛、鼻子、嘴巴、眉毛等面部的特征，利用算法在人员数据库识别出对应的人。
当人们带上口罩，几乎有一半的面部被遮挡，面部特征关键点就主要集中在了眼睛和眉毛两个部位。因此，带口罩的人脸识别算法采用眼部、眉毛等局部特征与整体人脸特征相融合，并结合注意力机制增强眼部特征，抑制其他无用信息，通过训练眼部关键点的模型，来提升模型在口罩遮挡下的人脸识别率。
而且戴口罩人脸识别系统并非只能用于疫情期间。疫情之后可调试成常规的人脸识别模式，降低应用方的投入成本。此外，在公安抓逃等安防场景中，面部遮挡的人脸识别技术也有很大施展空间。
相关资讯：