助力安全复工复产 京东数科戴口罩人脸检测准确率超99.8％

本篇文章1701字，读完约4分钟

在这种流行病的情况下，如何保护每位员工在重返工作岗位后的健康？2月21日，国务院联合防控机构发布的《企事业单位复工生产疫情防控措施指引》要求暂停指纹考勤机，并通过其他方式对出入境人员进行登记。似乎在这个特殊时期，非接触式刷牙方式已成为首选。然而，摘下口罩、刷牙、不规律地戴口罩，甚至不戴口罩，都等于是为疫情埋下了温床，为员工的健康埋下了隐患。

为了帮助安全地恢复工作和恢复生产，JD.com数字科学致力于人脸检测、人脸识别等技术，实现了对戴口罩人脸的实时检测，及时发现未戴口罩或误戴口罩的人，并给出语音提醒。在此基础上，还增强了人脸可视区域人脸识别的鲁棒性，并利用数字技术为企业应对复工复产搭建了第一道防疫屏障。

掩模场景下的人脸检测准确率达到99.87%以上

中心人脸检测器是京东数字科学部开发的一种轻量级人脸检测器，能够同时预测人脸框架和标志点的位置，在速度和精度上都有很好的表现。京东数学系提出的方法通过将人脸检测和对齐转化为标准的关键点估计，克服了以往基于锚的方法的缺点。实验结果表明，中心人脸能够以较小的模型尺寸实现实时性和高精度，是大多数人脸检测和对齐应用的理想选择。针对场景中的人脸遮挡问题，京东数码分公司在现有宽面数据集的基础上增加了遮挡数据集进行训练，大大提高了模型的鲁棒性。目前，掩模场景中人脸检测算法的准确率达到99.87%以上，召回率达到98.3%以上。

中心面可以有效识别各种口罩的佩戴情况

掩模属性识别

目前，JD.com数学系针对眼睛下方可能被口罩覆盖的部位优化了特征学习算法，能够有效地检测和识别员工在刷脸进大门的场景中出现的标准戴口罩、不规则戴口罩和不戴口罩三种情况，在正常拍摄角度(如门禁)和大角度复杂场景(如监控)中不会出现精度损失。同时，可以对市场上出现的各种口罩进行判断，平均召回率在99%以上。

带面具的人脸识别

为了解决戴面具人的面部区域被面具遮挡的难题，JD.com从算法和数据的角度对戴面具人的人脸识别技术进行了模型优化和用户体验升级:

在算法层面，引入注意机制，增加鼻子以上特征的训练权重，使模型更加关注未遮挡的人脸区域，尽可能减少各种掩膜造成的干扰。此外，本文还介绍了局部人脸区域提取人脸特征，并将其融合到全局人脸特征中。

在算法层面，引入注意机制进行优化

在数据层面，JD.com数学系在数据集上增加了各种面具模板，模拟真实的戴面具场景，使得传统的人脸识别模型可以很好的移植到戴面具的场景中。以上两个方面的优化将使人脸识别的通过率接近戴口罩时的常规人脸识别通过率。

在应用场景中，人脸识别技术可以基于用户是否佩戴面具的判断，调用常规识别模型来检索注册数据库，或者调用针对面具场景优化的识别模型来最大化人脸识别通过率。对于安全性要求极高的场景，可以根据面具遮挡的判断结果对戴面具或被面具严重遮挡的人进行筛选，并进一步引导他们进行其他方式的身份验证。

不戴口罩，门口会有语音提示

人脸识别技术已经广泛应用于各种企事业单位、智能公园、社区、校园、建筑等场景的人脸识别考勤、门禁控制和出入控制。以京东数字科学部开发的刷脸门禁机为例，只要员工站在设备前，人脸识别考勤机上的摄像头就能准确提取采集到的图像的特征数据，并与系统中的照片特征数据进行比较，快速方便地识别出“自己人”。对于不戴口罩的人员，也可以通过语音提示指导他们正确佩戴口罩，同时提醒防疫值班人员，实现主动防疫控制，实现24小时监管。这项技术也可以用于泛安全和客流识别产品。

近年来，人脸识别技术已经从单一模式逐渐进入多模式的新阶段。京东数字科学部自主开发的多模态人脸活体检测算法已经通过了人脸采集、图像质量分类、活体检测能力等多项测试。，能够有效拦截不同环境条件下的“假脸”攻击。最近，该算法正式通过了国家金融ic卡安全测试中心——银行卡测试中心(bctc)的技术认证，达到了国家认证的金融支付级安全标准。经过bctc测试，京东数字多模态人脸活体检测算法的真人识别准确率为99.8%，2D和3D头部模型的攻击拦截率为100%。这意味着京东数码已经成为银行卡测试中心认证的人脸识别算法制造商。

来源：环球邮报中文网