當前，突如其來的新型冠狀病毒肺炎仍在持續影響全國。

　　面對新型冠狀病毒肺炎疫情的肆虐，戴口罩成為了全民出門的標配模式。而這也讓人臉識別技術遭遇到前所未有的尷尬境地。

　　此前，因為人臉識別技術在人員身份認證上所體現出來的便捷性及帶來的效率提升，相關人臉識別產品、解決方案層出不窮，被廣泛應用于機場、火車站、社區、園區等諸多場景的身份識別、考勤打卡及金融支付應用當中。

　　但在現階段全民戴口罩的出行倡議下，人臉識別能否還能夠發揮效用?

　　特別是在機場、火車站、社區園區等人員密集的公共場所，戴上口罩無法進行人臉驗證，摘下口罩進行驗證又面臨交叉感染風險。

　　這也使得戴口罩下的人臉識別成為了備受社會各界關注的話題。

　　戴口罩下人臉識別能否發揮效用

　　CPS中安網了解到，有不少網友在網上表示在高鐵站乘車檢票時，閘機上的攝像頭并不能在佩戴口罩的情況下進行識別，需要摘下口罩進行驗證。

　　與此同時，亦有不少網友反映，其在火車站檢票及上班考勤打卡中，有時戴著口罩依然能夠通過人臉識別，完成驗證。

　　如在上海奉賢區的農村智慧社區管理系統中，即使行人戴著口罩，人臉識別系統依然能夠識別該人員。

　　在戴著口罩的前提下，為何有的人臉識別系統仍能發揮效用?有的卻無法識別?

　　解決這一問題，需要先從人臉識別技術的工作原理展開。

　　不少業內人士表示，當前的人臉識別實際上是一個人臉比對、匹配的過程。無論是車站檢票還是辦公室打卡，都是將攝像頭拍攝到的人臉圖片與之前上傳到數據庫的照片進行比對。

　　通過對兩張圖像的眼睛、嘴巴、鼻子、耳朵以及皮膚等多個臉部特征點進行計算，如果相似度大于一個特定闕值，則會匹配成功，完成識別。

　　人臉識別工作流程

　　而因為口罩具備的不透光性，攝像頭拍攝到的畫面無法捕捉到嘴巴、鼻子等臉部特征，這也導致被遮擋部分無法進行識別。

　　如果原有的算法和數據庫保留的是完整的面部特征，則意味著匹配的不成功。而有的人臉識別系統進行的只是眼睛、額頭、耳朵等局部特征識別，即使是佩戴口罩，也能進行識別。

　　對此，京東數字科技AI實驗室表示，戴上口罩進行人臉識別相當于只允許使用鼻子以上的特征，一般來說準確率會低于不戴口罩的人臉識別。

　　同時，人臉識別系統的內部設計有兩種邏輯，如果系統內部有臉部遮擋判斷，戴口罩會被系統攔截，不會進行人臉識別;如果系統內部沒有遮擋判斷，戴口罩也能進行人臉識別，存在一定概率通過。

　　即通過人臉識別算法上的調整與升級，能夠使得系統在識別人員佩戴口罩的情況下，啟動戴口罩場景下的人臉識別算法，只對眼睛、耳朵等局部特征進行人臉比對，但同時也會造成識別精度上的下降。

　　企業如何攻破戴口罩人臉識別難關

　　在疫情面前，傳統的人臉識別技術略顯雞肋與尷尬，但在病毒的高感染性下，非接觸式的人員身份驗證仍是主流應用方向，有著廣闊的市場空間。

　　這一短期需求的爆發也促使商湯科技、漢王科技、小視科技在內的諸多企業開始通過改進算法模型等方式，來提升企業產品在全民出行戴口罩背景下的人臉識別準確率。

　　如近期，商湯科技在新推出的AI智慧防疫解決方案中，表示其區域通行模塊可以識別出戴口罩人的身份，在人員戴口罩的情況下，露出50%鼻梁時通過率可達85%。

　　而漢王科技在最新推出的亮銀鉆石款動態人臉識別機中，其戴口罩人員的識別率也達到85%。當前該套系統在北京地區用戶已達20余家，應用設備近200套。

　　小視科技相關負責人表示，其新開發的防疫智能系統，能夠在有限的小區場景中實現“口罩+身份”人臉識別，戴口罩人員識別率達90%以上，當前系統也已在南京市江寧區東山街道多個社區實現落地。

　　南京部分社區住戶戴口罩進行人臉識別

　　據悉，長久以來，遮擋下的人臉識別是業界公認的難題，而疫情爆發的突然性也增加了其識別難度，具體表現在以下三方面：

　　戴上口罩后，因鼻子、嘴巴等五官信息被遮擋，人臉面部可用于辨別的信息會大幅減少;

　　臉部輪廓等可辨別信息也在物理分布上發生較大變化，因此按照傳統思路訓練出的人臉識別模型，精度都會出現大幅下降;

　　戴口罩下的人臉數據本身就非常缺乏，疫情之下也很難短時間內快速采集數據，或者找采集公司定制用以訓練。

　　為此，在當前無法進行全部人臉信息比對的條件下，大多數企業均采用眼部特征與整體人臉特征的結合的方式來從算法上提升戴口罩下的人臉識別準確度。

　　以小視科技的基于口罩的人臉識別算法為例，該算法通過采用眼部關鍵點和注意力機制相結合的方法來增強眼部特征，眼部特征圖與整體人臉特征圖的多級融合，充分挖掘人臉的有效信息，提升模型在口罩遮擋情況下的表現。

　　實戰落地能力仍有待提升

　　盡管當前戴口罩人臉識別算法已取得明顯進步，但當技術落地到實際場景應用時，對企業仍帶來不小壓力。

　　據小視科技相關負責人介紹，其系統在實際部署中，口罩樣式多樣、口罩遮擋范圍更廣等問題都給產品方案的落地帶來阻礙，需要不斷去調整算法模型、識別闕值及門禁架設位置，才能保障在小規模社區中的識別效率。

　　但當人口達到一定規模后，比如在幾十萬人中，總能找到一些眼睛非常相似的情況，嘴巴及鼻子等局部信息被遮擋后，大規模人群的識別率就會降低。

　　天生的數據局限性及人臉有效信息的缺失，會在技術的實戰落地中帶來非常大的挑戰。

　　與傳統人工方式相比，人工智能技術的加入，為此次疫情的防控提供了有力的保障。但也應當清醒的認識到，此次全民戴口罩倡議下的人臉識別技術也暴露了其局部識別的不足，仍需要企業去冷靜完善技術的實際落地效果。