戴口罩人脸识别，是不是伪命题
|
三维：而的卢深视选择先重建三维人脸模型，再将口罩的三维模板模型与三维人脸模型做非刚性对齐，从而完成模拟加口罩的操作。 总结来说，的卢深视基于人脸全局特征及局部特征相结合的方法，同时充分利用人脸未遮挡部位的三维几何信息进行三维人脸识别研究，相对于普通的二维人脸识别能够有效应对戴口罩等遮挡场景的人脸识别。 据悉，依托3D数据的丰富特征，针对戴口罩、戴帽子、戴防护镜等严重遮挡情况，通过算法优化，的卢深视的技术识别准确度可以达到97%以上。 “目前，我们的技术方案已经在全国多个地市落地应用。”朱海涛博士提到。 譬如在温州，为了平衡居民生活与防疫措施，温州在全市范围内实行村（居）民出行管控措施，要求全市每户家庭每两天指派一名家庭成员采购物资。 为了此项管控举措更安全有效的实施，的卢深视利用 3D视觉人脸比对终端设备搭配三维人像数据平台，形成人脸比对及快速建库方案，在出入口进行刷脸核验，实现出入人员管控，同时对新增人员进行快速入库操作，后台大数据系统实时绘制人员行为轨迹，为疫情排查提供依据。
朱海涛博士补充道。 值得一提的是，目前的卢深视该方案已入选由中华人民共和国应急管理部主办的应急装备综合信息服务平台，第一时间响应国家和政府的应急需求保障。 无论是从华为、阿里的技术专利出发，还是从的卢深视的落地案例来看，相关厂商们在此之前就已经考虑到了人脸识别遮挡的情况，并做出全方位的技术突破。 由此也可以得出结论：口罩识别等小众需求在某些场景已是大众问题，随着AI使用场景的愈加多元，相关技术也定会不断革新。 新技术的突破与应用固然有着诸多不足与弊端，但也是社会发展的必然，不加分辨地完全认可和全盘否定都是不可取的。 找出问题、解决问题，多一些耐心、少一些戾气，才是技术发展的主旋律和应该有的节奏。 4 针对戴口罩场景下通过人脸识别进行身份核验这一热点问题，雷锋网AI掘金志深度采访了的卢深视相关专家，以下是全部内容，雷锋网作了不改变原意的整理与编辑： 1、如何定义“戴口罩人脸识别”？ 戴口罩人脸识别是指在正确佩戴口罩的情况下，实现非接触式的人的身份核验，即明确“你是谁”。 戴口罩人脸识别属于遮挡人脸识别，要求在可接受的误识别率范围内，达到较好的正确识别率。戴口罩人脸识别涉及的算法除了人脸检测、关键点检测和人脸特征提取算法外，还包括口罩（有无）检测或口罩区域检测。 2、是否需要保障露出多少面部特征？ 由于嘴部区域和鼻子区域受到了遮挡，对人脸识别带来了很大的挑战。一般而言，口罩遮挡部位越小，人脸识别模型的性能越高。 以的卢深视的三维口罩遮挡人脸识别解决方案为例，在正确佩戴口罩的场景下即可成功识别。 3、戴口罩人脸识别的技术原理是什么？ 的卢深视基于人脸全局特征及局部特征相结合的方法，同时充分利用人脸未遮挡部位的三维几何信息进行三维人脸识别研究，相对于普通的二维人脸识别能够有效应对戴口罩等遮挡场景的人脸识别。 4、戴口罩识别有哪些技术难点？ · 戴口罩人脸的人脸检测和人脸关键点检测的精度受到口罩遮挡的影响会降低； · 由于口罩遮挡，人像信息减少，学习到的特征的判别性随之较少。具体的，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； · 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。 5、如何提升戴口罩识别的准确率？ 简单讲讲通过模拟生成戴口罩数据，从而优化人脸识别算法模型这种研究方法。 的卢主要关注两个点，一个是训练数据规模，通常都是数十万到百万级别，在图像质量有保障的前提下，规模越大，通常优化效果越好。 这就带来了第二个关注点，我们很难在短时间内采集得到数十万的戴口罩数据，这个时候就要采用模拟的方法，具体而言： · 二维：通常的做法是，根据二维图片上的人脸关键点，将二维的口罩贴图和二维图片中的人脸对齐，然后根据口罩的mask图来完成填加口罩操作。 · 三维：先重建三维人脸模型，再将口罩的三维模板模型与三维人脸模型进行非刚性对齐，从而完成模拟加口罩的操作。 的卢深视成立5年落地多个项目，并帮助某边疆省份建立了省级规模的3D人像数据库，积累大量实战数据。由于实战数据的丰富性，为的卢深视能够迅速开展更多前沿研究奠定了基础。 6、相关方案对使用环境的大小、优劣有要求吗？ 由于3D技术的优势，我们的方案支持大库建库以及精准识别，可以在学校、医院、校区等人流量较大的场景使用。 7、疫情之后，对于技术发展趋势，你如何判断？ 省市级别的人员数据库建设会成为趋势。（其实此次疫情从武汉蔓延到多地，也是由于人员数据的跨区域追踪不到，加速了疫情蔓延） 本文素材来自互联网 （编辑：核心网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
