AI口罩“督查官”诞生记

作者 | 马超

出品 | AI科技大本营（ID：rgznai100）

在英国脱欧后，谷歌计划让英国用户的账号脱离欧盟的隐私监管政策，改用美国司法标准。尽管这样的修改让数千万英国用户的个人信息置于较少保护之下，但这些信息更容易被英国执法部门获得。

在所有用户数据中，人脸信息尤其是能与具体身份对应的人脸信息，堪称是重中之重，人脸识别系统作为技术最为成熟、使用范围最广、未来发展空间最大的研究方向，已经从方方面面改变了我们的生活。

不过最新的疫情却让人们在出入公共场所时都要戴上口罩，这也让我们不禁为人脸识别技术捏上一把汗，人脸识别能否识别出戴口罩的人脸呢？

人脸识别来势汹汹，已成AI领域C位

人脸识别技术最开始被人们所熟知还是在2018年前后，在歌神张学友的演唱会上AI至少不下5次帮助公安机关抓捕到逃亡多年的嫌犯。让《她来听我的演唱会》有了新的含义。当时大众普遍对AI还缺乏了解，据称当时犯人在被捕时都一脸茫然，没想到人脸识别技术能在若干年后准确找到他们。这也让人们惊呼原来人脸识别准确率真的这么高啊。

因为人脸识别技术在人员身份认证上所体现出来的便捷性及带来的效率提升，相关人脸识别产品、解决方案层出不穷。人脸识别被广泛应用于机场、火车站、社区、园区等诸多场景的身份识别、考勤打卡及金融支付应用当中。

这也直接开启了一个方便快捷的时代，用户不需要输入密码，甚至连手指都不需要动一下就能完成相关的身份认证，其来势汹汹的气势让很多大型机构也不得不放下身段，躬身入局，向科技公司请求技术支持，把人脸识别加入自身安全认证体系当中。

由于人性永远是追求简单快捷的，短短几年时间，人脸识别的安全认证手段就已经完全取代了密码的方式成为了主流的技术方案，潮流的趋势并不可逆。

自2017年iPhone x启用人脸识别以来，Face ID一直是苹果公司引以为傲的一大黑科技，可以瞬间通过3万个特征点来感知用户面部特征。

但在口罩面前，Face ID也无能为力，很多中国的iPhone用户表示现在非常痛苦，无论是刷脸付款还是解锁手机都非常麻烦，每次都只能输入密码或者拉开口罩解锁。

从目前用户强烈的吐槽就能看出，如果因为疫情就让人们重回键盘密码解锁和密码输入等安全手段并不现实。

疫情对人脸识别技术的影响

工信部在2月18日发布《关于运用新一代信息技术支撑服务疫情防控和复工复产工作的通知》中就提出部署运用新一代信息技术支撑服务疫情防控和复工复产工作，特别提到支持运用人工智能、大数据、云计算等技术，用于疫情监测分析、人员流动和社区管理等，对疫情开展科学精准防控。

在疫情来临的情况下，人脸识别这种非接触式的身份识别方式还是非常有应用前景的。但笔者发现在机场、火车站、社区园区等人员密集的公共场所，戴上口罩无法进行人脸验证，摘下口罩进行验证又面临交叉感染风险。

为保证效率在大客流的情况下，85%的识别率只能是一个及格线，如果高于这个数值，那么实名认证的成本和难度大大增加。

识别技术带口罩的脸难在哪里

因为口罩具备不透光性，摄像头拍摄到的画面无法捕捉到嘴巴、鼻子等脸部特征，这也导致被遮挡部分无法进行识别。

之前的人脸识别模型一般都要使用完整的面部特征，否则都会出现匹配不成功的问题。因为佩戴口罩将无法采集至少一半以上的特征点，导致最终准确率大为下降。

我们也可以利用残缺的信息恢复完图像的完整度，这一直是对抗神经网络（GAN）的领域。在这一领域中最常见的模型是PIX2PIX，其目的是采集图像的轮廓，还原回真实图像。

目前读者可以到https://affinelayer.com/pixsrv/这个网站来亲自尝试如何从一个简笔画出的轮廓转换成真实的图像。

后来，英伟达又提出了PIX2PIXHD模型，PIX2PIXHD把之前由PIX2PIX生成的图像分辨率提高了很多。可以说对抗神经网络是识别被遮挡人脸的理论基础。

而针对被遮挡的人脸识别方案，目前比较优秀的开源模型也是由英伟达提出的Partialconv模型（https://github.com/NVIDIA/partialconv）。如果说PIX2PIXHD模型是PIX2PIX的2.0版本，那么其实是PIX2PIX的3.0版本，即使图像丢失了大面积的像素，也能通过Partialconv模型将损失进行修复。之前红遍网络的一键去“马赛克“技术，其实背后都是Partialconv，其效果图如下：