口罩|口罩下的人脸识别

【口罩|口罩下的人脸识别】_原题为 口罩下的人脸识别
2020年 , 新冠肺炎疫情在全球蔓延 , 口罩成为抗疫的一道重要防线 , 但这也为广泛应用的人脸识别带来了巨大的挑战 。
基于原来的人脸识别算法 , 人脸识别机器在检测到人脸后 , 会对人脸关键特征点进行提取 , 经过预处理之后 , 传入后端 , 与库存的已知人脸进行比对 , 完成最终的识别分类 。 而戴着口罩会对个人的许多面部特征造成遮挡 , 从而降低人脸识别准确率 。 因此 , 如何精准完成口罩下的人脸识别 , 成为一个需要解决的难题 。
其实 , 在计算机的研究领域里 , 这个问题被称为大面积人脸遮挡问题 , 一直都是研究领域的公认难题 , 难点主要在于以下几个方面:
首先 , 现有的人脸识别算法都需要找到人脸的位置 , 然后根据五官之间的关键点进行识别 。 佩戴口罩之后 , 无法准确检测人脸的位置、五官的关键点部分 , 算法便无法运行 。
其次 , 人脸识别算法并不是一个简单的人脸识别过程 。 大家都知道 , 我们在高铁站、门禁等地方进行人脸识别的时候 , 识别机器会先出现一个红框 , 只要人脸移动了 , 红框就会随着人脸动的方向移动 , 时刻追踪着人脸的变化 。 实质上 , 人脸识别包含了人脸检测、运动物体追踪、人脸识别三个过程 , 上述的红框就起到了检测人脸、追踪人脸、识别人脸的作用 。 而佩戴口罩 , 影响机器对人脸的检测 , 进而影响了整个识别过程 , 对整个应用都带来了很大的干扰 。
第三 , 人脸识别算法使用的深度神经网络模型受限于大数据量的训练样本 。 所以 , 如果可以在短期内收集到大量佩戴口罩的人脸照片 , 并对特征点进行人工标注 , 从理论上来说也是可以提升口罩下的人脸识别效果的 。 但是这个工作量巨大 , 短时间内难以完成 。
目前 , 有研究提出 , 可以在现有的人脸识别算法上对口罩下的人脸识别进行针对性优化——在将提取到的特征点与库存人脸特征进行比对时 , 增强人脸可见区域特征点(如眼睛、耳朵等未被口罩遮挡的器官)的比例 。 现有的人脸识别是依据整个人脸特征 , 而优化后的人脸识别只依赖部分人脸特征 。 优化过的算法在现有数据下 , 应该可以获得比较好的识别效果 。 相信随着研究的深入和科技的发展 , 口罩下的人脸识别问题终将得到完满解决 。


    推荐阅读