人臉配準（關(guān)鍵點定位）
為解決口罩帶來的面部區(qū)域大范圍遮擋問題，基于優(yōu)圖自研的多分支輕量神經(jīng)網(wǎng)絡(luò)，優(yōu)圖快速通過圖像編輯技術(shù)合成海量人臉口罩數(shù)據(jù)用于算法優(yōu)化提升，實現(xiàn)戴口罩人員的精準五官定位，有效輔助后續(xù)算法模塊的效果提升。
口罩屬性識別
目前優(yōu)圖算法可精細識別以下五種情形：未佩戴口罩、錯誤佩戴口罩且遮擋嘴部、錯誤佩戴口罩且遮擋下巴、錯誤佩戴口罩未遮擋面部、正確佩戴口罩。該屬性識別基于優(yōu)圖開源的FAN屬性識別，并針對口罩可能分布的人臉位置，加入更多的attention機制，可精準識別人臉是否正確佩戴。目前，對有無口罩佩戴的識別準確率超過99%。社區(qū)管理人員等可根據(jù)不同場景下的需求，自由組合這些類別。同時，各企事業(yè)單位也可以利用該技術(shù)及時檢測員工情況，保障安全復工。
戴口罩人臉識別
優(yōu)圖提供了一套靈活兼具安全與便利的算法解決方案。利用優(yōu)圖人臉質(zhì)量模型對被口罩遮擋的人臉進行口罩遮擋判斷以及遮擋區(qū)域提取兩類分析。其中，口罩遮擋判斷目前已達99.5%以上準確率。而對于安全性要求極高的應(yīng)用場景，如支付場景，可基于口罩遮擋判斷結(jié)果篩選出戴口罩或者口罩嚴重遮擋的人員，并進一步引導其進行其他方式的身份驗證。該算法基于自研的DDL技術(shù)框架，結(jié)合優(yōu)圖人臉質(zhì)量模型的遮擋區(qū)域判斷能力，使數(shù)據(jù)模型在應(yīng)對戴口罩人臉時，自適應(yīng)地關(guān)注非口罩區(qū)域的人臉判別信息，從而提取出更加魯棒的人臉特征。
優(yōu)圖DDL人臉識別技術(shù)
常規(guī)的人臉識別算法，即便是應(yīng)用于配合條件下戴口罩人臉識別時，性能也會極大程度地下降。而優(yōu)圖人臉識別算法，基于上述的優(yōu)化手段，可將戴口罩人臉識別的召回率提升至接近正常人臉識別的召回率，基本滿足戴口罩場景下的人臉識別應(yīng)用。
結(jié)合口罩下的人體識別
輔助社區(qū)進行人員管理和排查
相較于人臉識別技術(shù)，基于圖像“搜人”的人體識別技術(shù)（ReID）對人體圖像的遮擋、朝向以及清晰度具有較高的魯棒性，同時對攝像頭的清晰度、假設(shè)位置以及角度等沒有硬性要求。
疫情期間，絕大多數(shù)外出人員均會佩戴口罩，人臉識別技術(shù)對于佩戴口罩的人員成功率會有所下降。對于社區(qū)一線工作人員來說，人臉識別技術(shù)對佩戴口罩的人員身份確認失敗，會大大增加他們的排查登記工作量，而摘除口罩進行識別又會增加潛在的傳播風險。
基于騰訊優(yōu)圖目前業(yè)界領(lǐng)先的ReID技術(shù)，騰訊優(yōu)圖聯(lián)合騰訊海納利用人體特征和人臉識別相結(jié)合的方式，將傳統(tǒng)人臉識別方式下無法溯源的戴口罩出入人員進行確認，從而提升社區(qū)工作人員摸排登記外來人員的效率。
目前，相關(guān)技術(shù)已在多個不同地區(qū)的應(yīng)用場景中陸續(xù)落地，在這場全民抗疫的戰(zhàn)爭中，持續(xù)發(fā)揮AI的價值。
