戴口罩的人脸检测与识别论文提纲

亲你好，你问人脸识别戴口罩的话可以识别吗？应该是识别不了，因为人脸识别它是采取整个脸部采一些特殊的点来对比，如果你戴口罩的话，他采集的数据不够，不足以识别出来。也有的人戴着口罩入到下巴壳的话能识别出来。但这样的情况属于少数。而且这一脸识别采取的数据是你最近的一段时期的照片，如果你的相貌变化稍微大一点的话，也会识别不成功，一家之言，仅供参考。

因为疫情影响，所有人需要佩戴上口罩，人脸识别受到影响，经过提升了人脸识别的技术，带上口罩后也能一样被识别出来。

1

突如其来的新冠肺炎疫情严重扰乱了我们的生活节奏。佩戴口罩会遮挡大量的面部区域，导致原有的“人脸识别系统”突然间失效了。在公共区域摘下口罩完成人脸识别，不但会耗费大量不必要的时间，还会增加被感染的风险。

2

疫情为当下的人脸识别系统提出了全新的要求和挑战：在佩戴口罩场景下如何高效地完成人脸识别。为了解决上述的挑战，现有的人脸识别系统需要从人脸检测、人脸对齐以及人脸识别模块优化等几个主要的方面进行针对性的优化和提升。

1. 人脸检测模块优化

人脸检测是人脸识别系统最重要的组成部分之一，一旦人脸检测失败或检测结果出现较大偏差，都会严重影响后续人脸识别的效果。人脸检测算法在佩戴口罩场景下检测结果误差较大，主要是因为缺少相关的训练数据。

2. 人脸对齐模块优化

人脸对齐又被称为人脸关键点定位，该算法通过在人脸图片上标定出一些具有特殊语意信息的点，然后通过这些点对人脸进行仿射变换。当面部大部分区域被口罩覆盖时，人脸关键点定位算法的精度会急剧降低，进而影响人脸识别系统的精度。

3. 人脸识别模块优化

被口罩覆盖的面部区域包含大量用于人脸识别的特征信息。目前解决这一问题的主要方法是通过修改深度神经网络结构同时加入更多注意力机制，使模型可以更多地关注到未被口罩遮挡的眼部区域，同时结合脸型等面部结构特征来提升人脸识别系统在“口罩人脸识别”这一特殊场景下的精度。

3

无接触式测温、无人车送货、AI 辅助诊疗等技术在抗击疫情斗争中的大量使用，也让我们看到了人工智能技术所蕴含的巨大潜力。

就目前而言，人脸识别受到疫情的影响变得作用很小，摘下来被感染的几率过大。经过优化和提升了人脸识别系统，让戴口罩也能识别了。

戴口罩人脸识别进行如下：

主要是通过口罩以外的部分进行确认。由于戴上口罩能够采集的面部信息较少，就需要在眼部增加更多的关键点，比如骨架信息、眉骨与耳朵之间的距离等等，通过关键点算法来提高识别的准确率，做到精准识别。

人脸识别的特点：

人脸与人体的其它生物特征（指纹、虹膜等）一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提，与其它类型的生物识别比较人脸识别具有如下特点：

非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像，这样的取样方式没有“强制性”。

非接触性：用户不需要和设备直接接触就能获取人脸图像。

并发性：在实际应用场景下可以进行多个人脸的分拣、判断及识别。

除此之外，还符合视觉特性：“以貌识人”的特性，以及操作简单、结果直观、隐蔽性好等特点。

有的系统是根据两眼之间的瞳距来识别的，这种系统只要不遮住眼睛就能识别，所以不用摘口罩。而有的系统是综合识别的，需要扫描整个脸部，就需要摘下口罩了。

若使用的是vivo手机，面部识别是利用前置摄像头拍摄人脸照片，与手机中已经录入的面部数据进行对比，当多个面部特征点吻合就可以解锁成功。闭眼或佩戴口罩时，部分面部特征点仍然能够匹配成功，因此能解锁手机，并不是手机功能故障，可放心使用。