口罩人臉識別賦能一線防疫

其實，早在蘋果之前，國內(nèi)AI智能科技企業(yè)亞略特就已經(jīng)發(fā)布了戴口罩人臉識別的產(chǎn)品。新冠疫情暴發(fā)之初，亞略特就敏銳預見了戴口罩對人臉識別的影響，迅速組織科研力量進行技術攻關，在原有人臉識別算法基礎上進行優(yōu)化，實現(xiàn)了戴口罩人臉識別的算法升級。而該升級算法在2020年5月就已開始用于其自身設備的SDK。

經(jīng)過近一年落地應用的檢驗，目前，亞略特戴口罩人臉識別算法已經(jīng)與易通行智能身份識別終端8200和P80完成適配，并在全國多個省市的重點防疫場所落地應用。在深圳市寶安人民醫(yī)院、深圳寶安國際機場等一線防疫場所的出入卡口，都能看到亞略特戴口罩人臉識別設備的身影。內(nèi)部人員可快速刷臉通行，患者、乘客等外部人員刷身份證或健康碼通行，均無需摘口罩，減少疫情傳播擴散的風險。

（圖：亞略特8200部署于深圳市寶安人民醫(yī)院）

（圖：P80部署于深圳寶安國際機場）

3D圖像融合技術實現(xiàn)高準確率識別

據(jù)介紹，由于戴口罩時面部部分信息缺失，生物特征點大幅減少，人臉識別難度由此增大。亞略特采用基于人臉關鍵點的3D圖像融合技術，將市面上的各種款式、顏色、紋理的口罩圖片，和已有的未戴口罩的人臉圖像進行融合，從而獲得大批量、比較真實的戴口罩人臉圖像訓練數(shù)據(jù)。

與此同時，亞略特不斷優(yōu)化特征學習網(wǎng)絡，采用基于空間位置的注意力機制，讓算法聚焦眉眼區(qū)域的特征學習。通俗解釋就是強化眉眼部的特征點識別，弱化被口罩遮擋的口、鼻、兩腮部分的識別，進而訓練出針對戴口罩人臉的識別模型。

此外，亞略特戴口罩人臉識別模型可以充分獲取戴口罩人臉的特征信息。測試10000對門禁場景下戴口罩的人臉圖像比對，準確率為FAR=0.01%時FRR=1%。同時，該模型可在原人臉庫上直接使用，無論用戶之前注冊時是否戴口罩，都可直接實現(xiàn)戴口罩人臉識別的功能升級，避免二次錄入人臉數(shù)據(jù)的麻煩。

疫情防控常態(tài)化下，常規(guī)人臉識別技術無法精準識別戴口罩的人臉，摘下口罩識別則會給防疫工作帶來風險，因此戴口罩人臉識別技術具有廣闊的應用前景。亞略特戴口罩人臉識別設備部署在醫(yī)院等防疫一線，在保證防疫效果的前提下實現(xiàn)了便捷快速通行，是科技賦能防疫的生動體現(xiàn)。

疫情防控期間個人手機認證、支付認證抑或組織身份認證、防疫核驗都將越發(fā)依賴戴口罩人臉識別技術，在保障防疫安全之外，亞略特人臉識別算法和策略也將不斷優(yōu)化，拓展應用邊界，從而更好地服務其他復雜的應用場景和用戶需求。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據(jù)。

標簽：