口罩的正确戴法图片 腾讯优图攻克口罩识别难题，口罩佩戴识别准确率超过99%

随着抗击COVID-19疫情的战斗正式展开，口罩在控制疫情方面发挥了关键作用。但全民戴口罩也对高铁闸口等需要人脸识别的场景提出了挑战。现有算法不能准确检测人脸位置和定位人脸特征的关键点，大大降低了现有人脸识别算法的效果。此外，在公共场所摘口罩依赖人工筛查，不仅耗费大量人力，筛查效率低下，还增加了一线工作人员的感染风险。为了解决这个问题，腾讯优图在春节期间迅速成立了一个强硬的团队，针对不同的戴口罩场景开发优化算法，最终克服了这个问题。

口罩佩戴识别准确率高于99%，优途克服了口罩下的人脸识别技术

优图专注于人脸检测、人脸注册、人脸属性、人脸识别等技术。目前，它可以实时检测佩戴口罩的人脸，准确识别佩戴口罩的五种不同情况，及时发现和警告不佩戴口罩或佩戴口罩不正确的人。在此基础上，U-chart DDL人脸识别技术进一步增强了人脸可视区域的识别能力，实现了更加鲁棒的人脸识别。

在人脸检测方面，基于优图开源的DSFD人脸检测算法，腾讯优图在模型设计中增强了局部特征，以增强可视区域的权重。同时，针对口罩种类繁多、佩戴位置多样等问题，设计了相应的数据增强策略，提高了模型的鲁棒性。目前，掩模场景下的人脸检测算法准确率在99%以上，召回率在98%以上。

不同遮挡下的人脸检测效果

在人脸配准方面，为了解决面具造成的人脸区域大规模遮挡问题，基于Youtu开发的多分支轻量级神经网络，Youtu通过图像编辑技术快速合成海量人脸面具数据进行算法优化和提升，从而实现佩戴面具的人准确的面部特征定位，有效辅助后续算法模块的效果提升。

左:优化前由于人脸大规模遮挡，人脸关键点定位偏差大

右:算法优化后，算法能有效估计出戴口罩人脸的正确关键坐标

在口罩属性识别方面，目前优秀的图算法可以精细识别以下五种情况:不戴口罩、戴口罩不正确捂嘴、戴口罩不正确捂下巴、戴口罩不正确不捂脸、正确戴口罩。属性识别以身材优秀、开源的FAN属性识别为基础，针对口罩可能的分布添加更多的关注机制，可以准确识别人脸佩戴是否正确。目前佩戴口罩的识别准确率在99%以上。社区管理员可以根据不同场景的需要自由组合这些类别。同时，企事业单位也可以利用这项技术及时检测员工情况，确保安全复工。

五种可识别的佩戴面具的类型

在带口罩的人脸识别中，优图提供了一种灵活、安全、方便的算法解决方案。利用优秀的人物人脸质量模型，对被遮挡的人脸进行遮挡判断和遮挡区域提取两种分析。其中，掩膜遮挡判断准确率达到99.5%以上。对于安全性要求极高的应用场景，如支付场景，可以根据口罩遮挡的判断结果，对佩戴口罩或被口罩遮挡严重的人进行筛选，进一步引导其进行其他形式的身份认证。该算法基于自主开发的DDL技术框架，结合优秀人物人脸质量模型的遮挡区域判断能力，使得数据模型在处理戴口罩的人脸时能够自适应地关注非口罩区域的人脸判别信息，从而提取出更鲁棒的人脸特征。

最优DDL人脸识别技术

传统的人脸识别算法，即使应用于带面具的人脸识别，也会大大降低其性能。另一方面，在上述优化方法的基础上，U-Map人脸识别算法可以将带面具人脸识别的召回率提高到接近正常人脸识别的召回率，基本满足带面具人脸识别的应用。

结合面具下的人体识别，辅助社区人员管理和调查

与人脸识别技术相比，基于图像“搜索人”的人体识别技术对人体图像的遮挡、方向和清晰度具有更高的鲁棒性，对摄像机清晰度、假设位置和角度没有硬性要求。

疫情期间，外出的人大多会戴口罩，对于戴口罩的人来说，人脸识别技术的成功率会降低。对于社区一线工作人员来说，人脸识别技术无法确认佩戴口罩的人的身份，这将大大增加他们的调查和登记工作量，移除口罩进行识别将增加潜在的传播风险。

基于腾讯优图的行业领先ReID技术，腾讯优图和腾讯海纳利用人的特征和人脸识别的结合，在传统人脸识别模式下确认佩戴口罩的无法追踪的出入境人员，从而提高社区工作者安排和登记外来人员的效率。

目前相关技术已经在很多不同领域得到应用，AI的价值也在这场全国性的抗疫战争中不断发挥。