背景
“佩戴口罩当然影响人脸识别了！”，为了进行防护，出现了全民戴口罩的情况，而带上口罩对传统的人脸识别系统造成了不小的麻烦。
我们公司是做健身户管理系统的，客户闸机佩戴口罩的情况下无法打开，本着客户第一的态度，我们也在积极探索如何升级了人脸识别产品，希望做到佩戴口罩不影响人脸识别。
人脸识别算法可以读取眼部、嘴部和鼻部周围240个面部特征关键点。只需使用人脸上没有遮挡的部分，就能匹配身份。一般来说，算法纳入的关键点越多，识别结果越精确。但也受别的因素影响。
戴口罩人脸识别的主要难点在于：人像信息减少，学习到的特征的判别性随之较少。具体而而言：二维纹理信息会由于遮挡而丢失、三维形状信息会带有噪声；另外，口罩类型比较多且口罩遮挡程度不一，如何更多地利用非遮挡区域的信息也是一个影响因素。
探索方向
一、3D人像识别
3D人像识别领域拥有丰富经验的卢深视副总裁朱海涛：用三维识别破解戴口罩人脸识别难题。举了个例子，"现在大家熟悉的手机人脸识别解锁，早期的技术里用照片也可以实现解锁，那就是二维识别，安全级别比较低，现在很多手机使用的是'半三维'解决方案，即只是将深度信息用于防伪，但是识别的环节仍然使用的是二维识别的算法。虽然确实能够提升防伪能力，准确性也更高，但在安全性和识别率方面的提升依然有限。"
二、人脸识别数据增强
借助算法与机器训练，如下，左图先在未加口罩的情况下通过人脸检测模型得到人脸的特征，然后把它们作为参数与右图口罩脸模型进行模型训练。
我们可以用TensorFlow进行建模与机器学习，TensorFlow.js是一个开源的基于硬件加速的 JavaScript 的库，支持在浏览器或者 NodeJs 中来运行深度学习，并且能支持现有的 Tensorflow 模型，由Google出品。可以说是前端深度学习框架 Deeplearn.js 的继任者。它提供一系列简洁和通俗易懂的API，用于训练、部署模型。
三、人脸识别AI
3月3日，百度大脑将口罩检测及戴口罩人脸识别相关AI能力全部开放，覆盖人脸识别和人体分析的全产品矩阵，其判断准确率均达到99.5%以上，同时提供公有云 API、离线 SDK、私有化部署包等多样化的产品形态，使开发者在线调用、移动端办公、落地到门禁闸机等硬件设备中时，都可以实现“拿来即用”。
对于大众戴着口罩出门，在部分公共场合需要进行身份核验的需求，百度大脑也提供了相应的技术解决方案。首先，百度大脑针对戴口罩场景下的“人脸识别”，在其原算法模型的基础上优化了识别效果，实现佩戴口罩的人脸检测准确率超99%以上。其次，还将戴口罩场景下的人脸离线识别SDK、人脸私有化口罩识别模型快速上线百度大脑AI开放平台开启邀测，在疫情期间免费开放，以期进一步提高大众在使用人脸闸机或进行考勤打卡时的通行效率，降低摘下口罩的感染风险。
最后
我们希望用IT解决实际问题，同时希望有一样味道的你，关注我们
无论是产品、技术、创业、全栈等等，都欢迎与我们一起探讨。
长按关注我们的公众号：（关注号回“口罩”， 我们告诉你去哪买到口罩）
