广州佩特电子科技有限公司

示例图片三
网站首页 > 新闻资讯 > 业界资讯

疫情加速百度人脸识别变革:戴口罩也能准确识别,佩特双目人脸识别解决方案采用百度离线SDK

2020-03-31 10:17:02 广州佩特电子科技有限公司 已读

疫情之下,口罩识别有多难,问问你的iPhone用户朋友就知道了。在“刷脸时代”,戴口罩的人脸识别已然成为一个大问题。传统的人脸识别算法,已经无法hold住这种大面积遮挡情况,主要难点有三:

①一张口罩“封印”半张脸,直接丢失大量脸部特征;

②短期内无法收集大量戴口罩人脸图像,算法训练难度大;

③人脸识别系统包含检测、跟踪、识别等多个模块,对它们都会造成影响。

1.png

好消息是,AI工程师们逢山开路遇水搭桥,现在——戴口罩人脸识别——这座桥,已经搭好了,而且已经开放了。来自百度视觉算法团队,技术方面自然也有保障。不过,知其然最好还要知其所以然。如此模型,百度视觉算法团队是如何完成的呢?接下来我们一一解密。


戴口罩人脸识别之难:如何快准狠


“三座大山”怎么翻?


首先是第一个难题,丢失了大量脸部特征,如何进行检测。在人脸识别的过程中,会提取面部大量的特征点,而这些特征点的分布并不都是均匀的。而且每个区域特征点所包含的信息量(用于身份认证)不同,例如,眼部区域就相比其他位置包含了更多的身份信息。

2.png

百度视觉就敏锐地观察到了这一点,找到了翻过这座大山的突破口。他们通过采用基于空间位置的注意力机制特征学习,让算法更加关注对眼部区域的特征学习。这样一来,就能将因为佩戴口罩、帽子等遮挡,所带来的信息丢失降到最低,也就能充分获取戴口罩人脸的身份信息。


3.png

△特征可视化结果


算法有了,但数据不够用来训练,又该怎么办呢?一个传统的办法,就是在现有的人脸图像上“贴”上口罩。但这样处理后的实验效果并不明显,原因是在真实场景中,人脸姿态会有变化,并且不同场景采集的图像存在一定的差异性。针对这个问题,百度视觉采用了基于人脸关键点的3D图像融合技术。这样处理后,不仅解决了人脸姿态变化带来的口罩形变和遮挡问题,还生成了更加自然、真实的照片。


4.png

△合成口罩图片


通过收集市面上各种颜色、大小和样式的口罩图片,与之前积累的未佩戴口罩人脸图片进行融合,快速合成了各种场景、海量真实的戴口罩训练照片。


最后一座大山,人脸识别系统各模块(环节)之间的问题。百度视觉对此做了一系列的优化。例如:检测算法方面,采用了百度最新的PyramidBox-lite检测算法,并加入超过10万张口罩人脸数据训练,在准确率不变的情况下,召回率提升了30%,佩戴口罩的人脸检测准确率超99%以上。口罩分类算法方面,基于人脸关键点网络,抽取了具有丰富面部语义信息的人脸特征表示,并基于该特征进行口罩遮挡判断,还通过PaddleSlim进行模型压缩,大小缩小了3倍多。


问题解决了,性能效果又如何?


优化了识别效果之后,在佩戴口罩情况下人脸识别,准确率出奇的高,速度出奇的快!但单从理论上解决难题是不够的,应用到急需的场景中才是关键。其实,这项已经投入到了现实场景,在百度园区,员工上班戴着口罩就可以刷脸“入场”,解决了检测“戴口罩的是谁”的问题。

5.gif

更早的,针对密集人群戴口罩的检测问题,百度与北京地铁展开了合作,连夜集结专项项目组,3天完成初版部署,7天快速迭代上线,解决了检测密集人群“是否戴口罩”的问题。


佩特科技的双目人脸识别解决方案成熟,同时独立研发出可以直接在设备上配备的高性能双目摄像头,利用红外立体成像检测等技术,完成活体检测功能,实现精准的识别判定,识别精度高、速度快,可以给用户带来极致的“刷脸”体验。


Powered by MetInfo 5.3.18 ©2008-2023 www.metinfo.cn