全员口罩 身份识别面临新挑战

“滴，体温数据正常!”复工后，在四川成都青白江区，肩负成都地铁隧道管片生产重任的中铁八局桥梁公司的复工人员，正在车间门口扫码企业自主研发的“每日疫情统计小程序”，实现人员疫情防控信息实时跟踪。进入复工高峰期以来，借助云平台、大数据及物联网系统等，施工人员体温门禁系统、渣土车远程管理、人员无线定位、视频监控等诸多“黑科技”正有力促进“一手抓防疫、一手抓生产”的有序推进。

“疫情发生后，复工现场的管理也出现诸多新的技术需求，在戴口罩、安全帽的情况下，如何实现入场人员准确识别，就是复工管理的一个重点方向。”中国中铁科研院技术中心智慧工地联合实验室研发人员赵阳说，按照安全生产要求，过去施工工地已经使用的“智慧工地平台系统”，其中一个重要功能就是对进入工地人员进行身份识别，“但疫情下，戴上口罩、安全帽，还要测体温，成为新技术挑战。”

这项技术难点在哪儿?原来的人脸识别算法，是根据面部特征关键点来进行识别的，算法纳入的关键点越多，识别的结果也就越精确。但佩戴口罩后，可供识别的“关键点”大幅减少。“鼻子以下的面部特征被掩盖，面部特征关键点减少，机器之前学习的特征判别能力随之降低。”赵阳说，口罩会使原有的人脸识别算法模型失效，使机器无法识别当前的人。同时，口罩类型较多且遮挡程度不一，也提升了难度。

“针对人脸识别的新需求，如果对已有的智慧工地平台进行大范围硬件更改，一方面增加设备、提高成本，另一方面改造周期较长，难以满足复工复产要求。”赵阳说，该研发团队通过加强软件算

法、升级系统平台，提出了解决方案。

聚焦眼部 优化注意力算法模型

“人脸识别一般分为两个步骤，一是人脸检测，二是人脸配对。”赵阳说，识别的流程是，人脸机先从视频图像中找出人脸，然后通过人脸上的眼睛、鼻子、嘴巴、眉毛等面部的特征，经过一定算法，在人员数据库识别出对应的人。

记者在识别后台管理系统看到，系统的“人员管理”一栏，已经录入了该单位所有工作人员的姓名、部门、工号、电话等基本信息，以及相对应的个人高清照片。当戴着口罩的员工进入办公楼刷脸时，系统立刻将检测出的人脸配对，鉴别出员工身份，同时语音报出测量的体温，而在硬件方面，该设备仅在原有人脸识别的平板电脑上，新增了一个测温头。

戴口罩后如何提高识别通过率?前提就是尽可能地增加面部特征关键点。“当面部几乎一半被遮挡后，面部特征关键点就主要集中在了眼睛和眉毛两个部位。”赵阳说。

“我们从算法模型上突围，采用眼部、眉毛等局部特征与整体人脸特征的融合，并结合注意力机制增强眼部特征，通过训练眼部关键点的模型，来提升模型在口罩遮挡下的人脸识别率。”赵阳说，在人脸遮挡环境下，可通过识别眼部关键点作为一种“注意力模型”，快速扫描全局图像，获得需要重点关注的目标区域眼部，并形成注意力焦点。“而后对眼部这一区域投入更多注意力资源，以获取更多所需要关注目标的细节信息，而抑制其他无用信息。”

采用同样的原理，在算法层面，针对基于人脸全局特征及局部特征相结合的方法，可优化现有人脸识别算法模型，当人面部出现其他遮挡时，也同样能够精准鉴别。“如戴安全帽进入施工项目时，人脸识别依然有效，就是这么实现的。”赵阳说，当前通过大量训练数据，戴口罩或戴安全帽人脸识别率可达到99.9%。

除了能够精准识别出戴口罩的人，该实验室人脸识别系统还特别增加了口罩与安全帽检测和提示功能，以保障工程建设人员的安全。“这是与同类技术相比，我们技术成果的特色所在。”赵阳说，当开启口罩与安全帽检测功能时，设备配有没戴口罩自动语音提示;若没戴安全帽，采集设备上则会出现“请佩戴安全帽!”提示。

“主要是升级了后台的算法，其次是尽可能小地对硬件系统做了改进，最终实现了多项新功能的添加。”赵阳说。

信息增值 挖掘数据背后的价值

其实在疫情暴发前，面部遮挡障碍的人脸识别技术，已有不同程度应用。如在安防领域，大多数犯罪嫌疑人为了躲避“天眼”等监控设备追踪，往往会戴上帽子或口罩，这时候更精准化的人脸识别便可以帮助更好地破案。

“针对越来越多的不同识别情况，一些科研人员正从硬件上想办法，通过添置硬件设备，增加新的功能。”赵阳说，高精度识别也是对大数据的深入挖掘。“在当前硬件技术条件下，对现场采集的数据进一步挖掘，可以短时间内实现更多功能。”