【热门】腾讯优图攻克口罩识别难题，口罩佩戴识别准确率超过99％

本篇文章1638字，读完约4分钟

原标题:腾讯优图克服了口罩识别的课题，口罩佩戴识别的正确率超过99%的来源:腾讯优图

随着对抗新型冠状病毒大爆发的战斗正式开始，口罩在控制疫情中发挥了非常重要的作用，但全民戴口罩也挑战了高铁闸门等需要脸部识别的场景:因为戴口罩的人们脸部区域被口罩复盖，所以现在 另外，在公共场所摘下口罩进行人工检查，不仅耗费了大量的劳力，检查效率低，还增加了一线员工的感染风险。 为了解决这个难题，腾讯优图在春节期间迅速成立了攻防小组，比较了不同的面具场景进行了算法的研究开发和优化，最终克服了难题。

口罩佩戴识别精度超过99%

攻克面具下的人脸识别技术

优图通过面部检测、面部对准(重要定位)、面部属性、面部识别等技术攻占重点，现在可以实时检测戴口罩的人的面部，向不戴口罩的人和不戴口罩的人发出警告。 在此基础上，优图ddl人脸识别技术进一步增强了人脸可视区域的判别能力，实现了更鲁棒的人脸识别。

面部检测

基于优图开源的dsfd面部检测算法，比较了掩模场景中的五官遮挡，腾讯优图在模型设计中进行局部特征增强，提高可视区域的权重。 另外，针对口罩种类丰富、安装位置多样等问题，在数据增强方面设计相应的策略，提高模型的鲁棒性。 现在，口罩场景中面部检测算法的精度超过99%，召回率超过98%。

脸部位置(关键位置)

为了处理口罩对脸部区域的大范围遮蔽问题，基于优图自研的多分支轻量神经网络，优图迅速通过图像技术合成大量的脸部口罩数据以实现算法的优化，实现佩戴口罩的人的五官的正确定位，然后

掩模属性识别

现在优图算法没有佩戴口罩，错误佩戴口罩遮住嘴，错误佩戴口罩遮住下巴，错误佩戴口罩不遮住脸，正确佩戴口罩五种情况都可以详细认识。 该属性识别基于优图开源的fan属性识别，比较口罩可能分布的面部位置，增加越来越多的attention机制，可以正确识别面部是否正确佩戴。 现在，对有无佩戴口罩的识别精度超过了99%。 社区管理者等可以根据不同场景下的申诉，自由组合这些类别。 另外，各企业事业单位也可以利用这一技术及时检查员工的状况，保障安全恢复。

戴上口罩认识脸

优图提供了一种灵活兼备安全和便利的算法处理方案。 使用优图面部质量模型进行了被口罩遮住的面部口罩·口罩评价和口罩领域提取两种分析。 其中口罩遮蔽评价现在达到了99.5%以上的精度。 在支付场景等非常要求安全性的应用场景中，可以根据口罩口罩的口罩评价结果筛选佩戴口罩的人和大幅度隐藏口罩的人，再用其他方法进行认证。 该算法基于自适应研的ddl技术框架，结合优图面部质量模型的遮挡区域评价能力，在数据模型对应于带遮挡的面部时，自适应关注非遮挡区域的面部判别新闻，提取更鲁棒的面部特征。

优图ddl人脸识别技术

通常的脸部识别算法即使在配合条件下适用于戴口罩的脸部识别的情况下，性能也会大幅下降。 优图面部识别算法基于上述优化手段，可以将佩戴了面具的面部识别的再现率提高到接近通常的面部识别的再现率，基本上满足了面部识别在佩戴了面具的场景中的应用。

结合面具下的人体识别

协助社区人员管理和排除故障。

与面部识别技术相比，基于图像“找人”的人体识别技术( reid )对人体图像的遮蔽、朝向及清晰度具有很高的鲁棒性，对照相机的清晰度、假定位置及立场等没有硬性要求。

疫情期间，大部分外出者戴口罩，面部识别技术会降低戴口罩的人的成功率。 对社区一线员工来说，面部识别技术无法确认佩戴口罩的人的身份，大幅度增加他们的故障排除登记业务量，摘下口罩进行识别增加了潜在的传达风险。

腾讯优图基于现在业界领先的reid技术，腾讯优图和腾讯海纳利用人体特征和面部识别相结合的方法，戴着以前传来的面部识别方法无法追踪的口罩确认出入者，社区员工接触外来者

目前，相关技术在许多不同地区的应用场景中纷纷落地，在这场全民抗疫的战争中，继续发挥ai的价值。

全天候滚动播放最新的财经信息和视频，越来越多的粉丝福利扫描二维码备受关注( finance )。