這個春天，人臉識別遇到了點小麻煩。

　　一場疫情讓國人帶上了口罩，沒人會想到，首先受到影響的竟是蘋果手機用戶。

　　由于蘋果從 iPhone X 就已經(jīng)開始使用 Face ID 進行手機解鎖，F(xiàn)ace ID 采用的又是安全性很高的 3D 人臉識別技術(shù)，近期，不少蘋果手機用戶表示“帶上口罩后，手機都不好使了”，網(wǎng)上甚至出現(xiàn)大量教學視頻，教學如何訓練你的 iPhone，讓你的 iPhone 認識戴口罩的你。

　　訓練結(jié)果因人而異，也有博主表示，訓練數(shù)百次也沒能讓自己的“傻兒子”認識戴口罩的自己。

　　那么，當人臉識別不再能識別到你的臉，它還會認識你嗎？

　　復工后，人臉識別碰壁了

　　近年來，隨著人臉識別技術(shù)成熟度不斷提高，相關(guān)產(chǎn)品在國內(nèi)諸如酒店登記、車站人群篩查、公司考勤等場景應用已經(jīng)十分廣泛。以公司考勤為例，據(jù) 2018 年相關(guān)產(chǎn)業(yè)調(diào)研數(shù)據(jù)顯示，人臉識別考勤機出貨量已突破百萬。

　　然而，在 2020 年，一場疫情讓國民紛紛戴上了口罩。口罩成為國民“剛需”后，開始頻頻脫銷，而年后復工的你發(fā)現(xiàn)，你家公司門口那臺你原以為很高科技的人臉識別考勤機已經(jīng)完全不認識戴著口罩的你。

　　事實上，佩戴口罩屬于大面積遮擋問題，在人臉識別領域是一個公認的難題，難點主要有三個：

• 　　第一，人臉識別算法主要依據(jù)人臉面部特征進行身份判定，佩戴口罩會使下巴、嘴部、鼻子等用于識別的臉部特征大量丟失；

• 　　第二，當前人臉識別算法使用的深度學習技術(shù)依賴海量的訓練數(shù)據(jù)，短期內(nèi)難以收集到大量佩戴口罩照片，并進行人工標注；

• 　　第三，人臉識別系統(tǒng)一般包含人臉識別、跟蹤、活體檢測、識別等多個模塊，佩戴口罩影響的不僅僅是人臉檢測模塊的工作情況，而是對系統(tǒng)中每個模塊都帶來了很大的影響。

　　人臉識別技術(shù)之所有在國內(nèi)普及速度如此之快，是因為其后有大批互聯(lián)網(wǎng)公司在推動。BAT 在此之前其實都有相關(guān)專利在手，疫情期間，也可見騰訊優(yōu)圖推出的“口罩佩戴識別專用 AI”、商湯科技公布的“讀取眼部、嘴部和鼻部周圍 240 個面部特征點的人臉識別算法”，以及百度視覺團隊推出的“戴口罩人臉識別算法”。

　　當人臉識別，識別的不再是人臉……

　　1 月 21 日，從北京回到廣州的鐘南山參加了當?shù)厥讏鲂鹿诜窝滓咔樾侣劙l(fā)布會，會上鐘南山表示，新冠肺炎已經(jīng)出現(xiàn)人傳人。

　　也是在這一天，百度視覺團隊開始研發(fā)“戴口罩人臉識別算法”。

　　首先，針對遮擋帶來的信息丟失問題，百度視覺團隊發(fā)現(xiàn)，人臉各個區(qū)域包含的用于身份識別的信息量不是均勻分布的，眼部區(qū)域相比其他位置包含了更多的身份信息，所以只要讓算法更加關(guān)注對眼部區(qū)域的特征學習，就能將佩戴口罩、帽子等遮擋帶來的信息丟失對算法識別率的影響降到最低。

　　基于這一發(fā)現(xiàn)，通過采用基于空間位置的注意力機制特征學習方法，充分獲取戴口罩人臉的身份信息。

　　基于空間位置的注意力機制特征學習

　　其次，針對缺乏戴口罩訓練數(shù)據(jù)的問題，百度算法團隊通過人工生成的方式來解決。

　　傳統(tǒng)直接在人臉上疊加口罩圖片的方法，由于人臉姿態(tài)變化和不同場景采集圖像的分布差異等問題，無法真實模擬實際場景中的戴口罩人臉圖片，實驗結(jié)果表明效果提升非常有限。因此，百度視覺團隊采用了基于人臉關(guān)鍵點的三維圖像融合技術(shù)，不僅解決了人臉姿態(tài)變化帶來的口罩形變和遮擋問題，同時生成的照片更加自然、真實，最終，通過收集市面上各種顏色、大小和樣式的口罩圖片，與之前積累的未佩戴口罩人臉圖片進行融合，快速合成了各種場景、海量真實的戴口罩訓練照片。

　　合成口罩圖片

　　最后，在人臉識別系統(tǒng)的各個環(huán)節(jié)，針對戴口罩問題，百度算法團隊做了一系列的優(yōu)化。

　　例如檢測算法采用了百度最新的 PyramidBox-lite 檢測算法，并加入超過 10 萬張口罩人臉數(shù)據(jù)訓練，在準確率不變的情況下，召回率提升了 30%；口罩分類算法基于人臉關(guān)鍵點網(wǎng)絡抽取具有豐富面部語義信息的人臉特征表示，并基于該特征進行口罩遮擋判斷，通過 PaddleSlim 進行模型壓縮，模型大小壓縮超過 3 倍。

　　顯然，“戴口罩人臉識別算法”識別的已經(jīng)不再是人臉，而是“身份信息”相對更為集中的、沒有被遮擋的眼部，這樣勢必會降低人臉識別算法的準確率，為了保證“戴口罩人臉識別算法”的準確率，算法團隊也需要花大功夫進一步優(yōu)化算法。

　　2 月 21 日，百度視覺團隊完成“戴口罩人臉識別算法”的研發(fā)和優(yōu)化，該算法隨后也被應用到了百度園區(qū)中。

　　同樣被應用到百度自家園區(qū)的還有其針對多人、戴口罩、遠距離的人臉檢測近日推出的“企業(yè) AI 入場解決方案”。

　　百度視覺技術(shù)，會是別人家的孩子嗎

　　計算機視覺作為當下?lián)碛懈呱逃脙r值的人工智能技術(shù)之一，除被互聯(lián)網(wǎng)巨頭廠商緊盯外，也可見眾多 AI 獨角獸企業(yè)的步步緊逼。

　　目前來看，衡量計算機視覺能力強弱可以參照兩方面實力，一方面是技術(shù)研發(fā)能力，另一方是技術(shù)商業(yè)化能力。

　　技術(shù)研發(fā)能力上，百度早在 2016 年對外開放了其深度學習平臺飛槳（PaddlePaddle），在 IDC 2019 年發(fā)布的《深度學習框架和平臺市場份額》分析報告中，飛槳平臺在國內(nèi)市場排名第三，與谷歌、Facebook 一起坐擁近 80% 的國內(nèi)市場份額。

　　百度在計算機視覺方面的技術(shù)能力及相關(guān)產(chǎn)品皆基于這一平臺打造，在此次“戴口罩人臉識別算法”研發(fā)過程中，使用基于百度飛槳（PaddlePaddle）的大規(guī)模分類庫 PLSC，實現(xiàn)了快速對數(shù)百萬 ID 的訓練數(shù)據(jù)進行訓練；采用飛槳模型壓縮庫 PaddleSlim 進行模型搜索與壓縮，產(chǎn)出了高性能的人臉識別模型；使用飛槳 PaddleLite，實現(xiàn)了云端和移動端的快速部署。并且在 2 月 13 日，百度在業(yè)內(nèi)首個宣布開源基于飛槳的口罩人臉檢測及分類模型， 該模型可以有效檢測密集人流區(qū)域中的所有人臉，并判斷其是否佩戴口罩，目前已通過飛槳 PaddleHub 對外開源。

　　此外，計算機視覺頂級學術(shù)會議 CVPR 2020 在近日公布了收錄的論文，錄取率創(chuàng)下新低，相比去年下降3%，僅有 22%，但百度仍有 22 篇論文入選，其中針對人臉識別和檢測被收錄的論文提出了在線高質(zhì)量錨點挖掘策略 HAMBox、從單幅圖像預測高精度可操控人臉三維模型、大尺度高精度人臉三維模型數(shù)據(jù)庫 FaceScape、基于神經(jīng)網(wǎng)絡架構(gòu)搜索同時搜索適合人臉檢測的特征提取器和特征金字塔的 BFBox 等模型和方法。

　　技術(shù)商業(yè)化能力上，此次百度研發(fā)的“戴口罩人臉識別算法”也已經(jīng)與科升智能、十牛信息、華捷電子、智體科技聯(lián)合在諸如城中村出租屋門禁改造、智慧校園、公共交通人臉識別、出租車駕駛行為分析等應用場景中。此外，在線下門店無感刷臉購物、智慧社區(qū)刷臉門禁、企業(yè)員工刷臉考勤等應用場景，也已有超過 100 家開始使用。

　　由此可見，百度視覺技術(shù)及其研發(fā)團隊，儼然成了別人家的孩子，也正是這些別人家的孩子正在助推計算機視覺在各產(chǎn)業(yè)領域持續(xù)商業(yè)化。

　　“靠臉吃飯”的時代終將到來

　　2020 年，人臉識別技術(shù)已經(jīng)嵌入到生活中各個方面，解鎖手機時需要刷臉、在線支付時需要刷臉、上班打卡時需要刷臉、乘機過安檢時需要刷臉；人臉識別技術(shù)也在各方面悄悄影響著這個社會，抓捕嫌犯時會用到人臉識別技術(shù)篩選罪犯、酒店入住時需用人臉識別技術(shù)驗證身份。

　　雖然當下的用戶的交互習慣仍停留在按鍵、觸屏、語音交互方式上，“解鎖”習慣仍停留在密碼、指紋等識別方式上，但是由于人臉識別的便利度和安全性，未來終將會是一個“靠臉吃飯”的時代。

　　在這之前，如何將視覺算法的復雜環(huán)境適應能力、成熟度、安全性做到極致，仍要靠各家的研發(fā)團隊以及開源力量的長期打磨。

總結(jié)

以上是生活随笔為你收集整理的人脸识别碰壁，百度如何“破圈”？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。