在人工智能技術迅猛發展的當下，人臉識別已經不是一件新鮮事。但新冠肺炎疫情下，在建筑工地、學校機關等需要鑒別入場人員身份信息的場所，人員在佩戴口罩、安全帽后，實現人臉快速識別并同步檢測體溫，成為一項全新的技術成果。

人臉識別面臨的難題

戴口罩的人臉識別場景，主要應用方向在于，一方面確認人員是否戴口罩，另一方面需要確認戴口罩人身份，同時搭配上熱成像體溫檢測手段，實現大人群流量的快速、準確檢測。那么，戴口罩的人臉識別有哪些技術難點呢？

人臉識別算法是根據面部特征關鍵點來進行識別的，算法納入的關鍵點越多，識別的結果也就越精確。但佩戴口罩后，可供識別的“關鍵點”大幅減少。鼻子以下的面部特征被掩蓋，面部特征關鍵點減少，機器之前學習的特征判別能力隨之降低?？谡謺乖械娜四樧R別算法模型失效，使機器無法識別當前的人。同時，口罩類型較多且遮擋程度不一，也提升了難度。

戴口罩進行識別，怎么做到的？

人臉識別一般先從視頻圖像中找出人臉，然后提取人臉上的眼睛、鼻子、嘴巴、眉毛等面部的特征，利用算法在人員數據庫識別出對應的人。

當人們帶上口罩，幾乎有一半的面部被遮擋，面部特征關鍵點就主要集中在了眼睛和眉毛兩個部位。因此，帶口罩的人臉識別算法采用眼部、眉毛等局部特征與整體人臉特征相融合，并結合注意力機制增強眼部特征，抑制其他無用信息，通過訓練眼部關鍵點的模型，來提升模型在口罩遮擋下的人臉識別率。

九聯科技榮為品牌DSJ-ROWZ1 AI版執法記錄儀攻克難關，解決了戴口罩無法人臉識別的難題，更好為一線防疫的公安、交警、輔警等工作人員服務。

而且戴口罩人臉識別系統并非只能用于疫情期間。疫情之后可調試成常規的人臉識別模式，降低應用方的投入成本。此外，在公安抓逃等安防場景中，面部遮擋的人臉識別技術也有很大施展空間。