一键去“码”的AI,还能认出带上口罩的脸

 

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

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。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:

但是GAN技术也有一定的问题,也就是其还原的精度其实有限,平均只有85%左右,很难做到更高的准确度。而且考虑到有的高级别防护口罩绷带较紧,佩带后会对于眼部有扭曲作用,这样会进一步加大人脸信息恢复的难度。

有时我们会看到不少上班考勤打卡系统和小区门禁系统中,戴着口罩依然能够通过人脸识别完成验证,这是因为样本总量有限,如果单位人数只在几千人的范围内,从中确定一个人的身份,这并不需要太高的还原度,只需近似既可。但是在火车、公交及地铁等公共交通场合下,GAN技术的识别成功率就很难符合要求了。

疫情为人脸识别带来的最新进展

判断是否戴对口罩的模型:在疫情持续的当下,正确佩带口罩外出是必要的防护措施,但是人工检查的手段效率太低,因此百度工程师在EasyDL 平台上开发了口罩识别模型:AI 口罩督查官,提供灵活可靠,且支持快速布署的AI模型。在公共场所使用场景中,可以无接触、快速精准地识别出实时画面中未戴口罩或者佩戴不正确的人。

戴口罩人脸身份识别模型:近期商汤科技推出了AI智慧防疫解决方案,宣称其区域通行模块可以识别出戴口罩人脸的身份,在人员戴口罩的情况下,只要露出50%鼻梁,通过率可达85%。而汉王科技在最新推出的亮银钻石款动态人脸识别机中,其戴口罩人员的识别率也达到85%。当前该套系统在北京地区用户已达20余家,应用设备近200套。据说阿里、和华为识别率更高的模型也正在研发当中。

人脸+声纹识别:由于我们之前单纯依赖人脸信息来识别身份,笔者相信如果新冠真的会长久与人类共存的话,那么人们很可能是摘不下来口罩了,人脸加声纹的双重识别方式很有可能会大行其道。笔者看到已经有不少机构在关注这个方向了。

“没有一个冬天不可逾越,没有一个春天不会来临。“让我们做最坏的准备,做最好的祈祷,愿早日春回大地,阴霾散尽。

<p> <strong><span style="font-size:16px;color:#337FE5;"><b><a target="_blank" href="https://edu.csdn.net/bundled/detail/308"></a><a target="_blank" href="https://edu.csdn.net/bundled/detail/308"><span> </span></a></b></span></strong> </p> <p class="ql-long-39788408" style="font-size:11pt;color:#494949;"> <strong><b><strong><a class="ql-link ql-size-12 ql-author-39788408" href="https://edu.csdn.net/bundled/detail/298" target="_blank">[本课程属于AI完整学习路线套餐,该套餐已“硬核”上线,点击立即学习!]</a></strong> </b></strong> </p> <p class="ql-long-39788408" style="font-size:11pt;color:#494949;"> <br /> </p> <p> <strong><span style="font-size:16px;color:#337FE5;"><img src="https://img-bss.csdnimg.cn/202011090216454206.png" alt="" /><br /> </span></strong> </p> <p> <strong><span style="font-size:16px;color:#337FE5;"><br /> </span></strong> </p> <p> <strong><span style="font-size:16px;color:#337FE5;">【为什么要学习深度学习和计算机视觉?】</span></strong> </p> <p> <span style="font-family:"background-color:#FFFFFF;">AI人工智能现在已经成为人类发展中最火热的领域。而计算机视觉(CV)是AI中最热门,也是落地最多的一个应用方向<span style="font-family:"background-color:#FFFFFF;">(人识别,自动驾驶,智能安防,车牌识别,证件识别)</span>。</span><span style="font-family:"background-color:#FFFFFF;">所以基于人工智能的计算视觉行业必然会诞生大量的工作和创业的机会。如何能快速的进入CV领域,同时兼备理论基础和实战能力,就成了大多数学习者关心的事情,而这门课就是因为这个初衷而设计的。<br /> </span> </p> <p style="font-family:"color:#222226;font-size:14px;background-color:#FFFFFF;"> <br /> </p> <p style="font-family:"color:#222226;font-size:14px;background-color:#FFFFFF;"> <span style="font-size:16px;color:#337FE5;"><strong>【讲师介绍】</strong></span> </p> <p style="font-family:"color:#222226;font-size:14px;background-color:#FFFFFF;"> <span style="font-size:16px;color:#337FE5;"><strong>CH<strong><span style="font-family:"color:#222226;font-size:16px;background-color:#FFFFFF;font-weight:700;">ARLIE 老师</span></strong></strong></span> </p> 1、人工智能算法科学家<br /> 2、深圳市海外高层次人才认定(孔雀人才)<br /> 3、美国圣地亚哥国家超算中心博士后<br /> 4、加利福尼亚大学圣地亚哥全奖博士<br /> 5、参与美国自然科学基金(NSF)及加州能源局 (CEC)资助的392MW IVANPAH等智慧电网项目<br /> 6、21篇国际期刊文章(sci收录17篇),总引用接近1000<br /> 7、第一作者发明专利11份<br /> <p> <br /> </p> <p class="ql-long-24357476" style="font-family:"color:#222226;font-size:14px;background-color:#FFFFFF;"> <span style="font-family:"color:#337FE5;"><span><span style="font-size:16px;"><strong>【推荐你学习这门课的理由:</strong></span><span style="color:#E53333;font-size:16px;"><strong>知识体系完整+丰富学习资料】</strong></span></span></span> </p> <p class="ql-long-24357476" style="font-family:"color:#222226;font-size:14px;background-color:#FFFFFF;"> <span class="ql-author-24357476" style="font-family:""></span> </p> <p class="MsoNormal" style="font-family:"color:#222226;font-size:14px;background-color:#FFFFFF;"> 1、本课程总计9大章节,是一门系统入门计算机视觉的课程,未来将持续更新。 </p> <p class="MsoNormal" style="font-family:"color:#222226;font-size:14px;background-color:#FFFFFF;"> <span>2</span>、<span>课程从计算机视觉理论知识出发,理论结合实战,手把手的实战代实现(霍夫变换与模板匹配,</span><span>AlexNet OCR</span><span>应用</span><span>,VGG</span><span>迁移学习,多标签分类算法工程)</span> </p> <p class="MsoNormal" style="font-family:"color:#222226;font-size:14px;background-color:#FFFFFF;"> <span>3</span>、<span>带你了解最前沿技术,</span><span>各类型算法的优点和缺点,掌握数据增强,</span><span>Batchnormalization, Dropout</span><span>,迁移学习等优化技巧,搭建实用的深度学习应用模型</span> </p> <p class="MsoNormal" style="font-family:"color:#222226;font-size:14px;background-color:#FFFFFF;"> <span>4</span>、学习完后,你将具有深度学习与计算视觉的项目能力,比如大学生学完可以具备独立完成机器视觉类毕业设计的能力,在求职过程中可以体系化的讲解机器视觉核心知识点,初步达到人工智能领域机器视觉工程师的水平 </p> <span style="color:#222226;font-family:PingFangSC-Regular, "font-size:14px;background-color:#FFFFFF;"></span> <p style="font-family:"color:#222226;font-size:14px;background-color:#FFFFFF;"> <br /> </p> <p class="ql-long-24357476" style="font-family:"color:#222226;font-size:14px;background-color:#FFFFFF;"> <strong><span style="color:#337FE5;font-size:16px;">【学完后我将达到什么水平?】</span></strong> </p> <p class="ql-long-24357476"> <span>1、<span style="font-family:"">零基础入门计算视觉,学习掌握并应用从经典图像处理到深度学习分类任务的要点知识</span></span> </p> <p class="ql-long-24357476"> <span>2、<span style="font-family:"">掌握数据增强,迁移学习等优化技巧,搭建实用的深度学习应用模型</span></span> </p> <p class="ql-long-24357476"> <span>3、<span style="font-family:"">学习完课程,可以独立应用多个经典算法和深度学习算法</span></span> </p> <p class="ql-long-24357476"> <span>4、<span style="font-family:"">以</span><span style="font-family:"">大学毕业设计,面试找工作为目标,</span><span style="font-family:"">手把手带大家编程,即使没有太多计算视觉的背景知识也可以循序渐进完成课程,获得实战项目的经验</span></span> </p> <p class="ql-long-24357476"> <br /> </p> <p class="ql-long-24357476"> <span style="color:#337FE5;"><b><span style="background-color:#FFFFFF;color:#337FE5;"><span style="font-size:16px;color:#337FE5;">【面向人群】</span></span></b></span> </p> <p class="ql-long-24357476"> <span>1、对AI感兴趣,想要系统学习计算机视觉的学员</span> </p> <p class="ql-long-24357476"> <span>2、<span style="font-family:"color:#222226;font-size:14px;background-color:#FFFFFF;">需要毕业设计的大学生</span></span> </p> <p class="ql-long-24357476"> <span>3、<span style="font-family:"color:#222226;font-size:14px;background-color:#FFFFFF;">做图像分析或相关数据分析的研究生</span></span> </p> <p class="ql-long-24357476"> <span>4、<span style="font-family:"color:#222226;font-size:14px;background-color:#FFFFFF;">准备面试计算视觉和深度学习岗位的应聘者</span></span> </p> <p class="ql-long-24357476"> <span>5、<span style="font-family:"color:#222226;font-size:14px;background-color:#FFFFFF;">希望在项目中引入计算视觉</span><span style="font-family:"color:#222226;font-size:14px;background-color:#FFFFFF;">/</span><span style="font-family:"color:#222226;font-size:14px;background-color:#FFFFFF;">深度学习技术的开发人员</span></span> </p> <p class="ql-long-24357476"> <br /> </p> <p class="ql-long-24357476"> <b><span style="font-family:"font-size:16px;background-color:#FFFFFF;color:#337FE5;"><span style="font-size:16px;color:#337FE5;">【课程知识体系图</span><span style="font-size:16px;color:#337FE5;">】</span></span></b> </p> <p class="ql-long-24357476"> <span><b><img src="https://img-bss.csdnimg.cn/202007140746422581.png" alt="" /></b></span> </p> <p class="ql-long-24357476"> <span><b><br /> </b></span> </p> <p class="ql-long-24357476"> <span style="font-size:16px;color:#337FE5;"><b>【实战项目】</b></span> </p> <p class="ql-long-24357476"> <b><img src="https://img-bss.csdnimg.cn/202007150352244062.png" alt="" /><img src="https://img-bss.csdnimg.cn/202007150517376530.png" alt="" /></b> </p> <p class="ql-long-24357476"> <br /> </p>
相关推荐
<span style="color:#E53333;"><span style="color:#000000;"> </span></span> <p style="font-size:16px;"> <span style="color:#3A4151;">课程演示环境:Ubuntu </span> </p> <p style="font-size:16px;"> </p><p> <span><span style="color:#0070C0;">需要学习Windows系统YOLOv4的同学请前往《Windows版YOLOv4目标检测实战:人口罩佩戴检测》</span></span> </p> <p> <span><span style="color:#0070C0;">课程链接:https://edu.csdn.net/course/detail/29123</span></span>  </p> <p style="font-size:16px;"> <span style="background-color:#FFFFFF;">当前,人口罩佩戴检测是急需的应用,而YOLOv4是最新的强悍的目标检测技术。本课程使用</span><strong><span style="color:#C00000;">YOLOv4实现实时的人口罩佩戴检测</span></strong><span style="background-color:#FFFFFF;">。课程提供</span><strong><span style="color:#C00000;">超万张已标注人口罩数据集</span></strong><span style="background-color:#FFFFFF;">。训练后的YOLOv4可对真实场景下人口罩佩戴进行</span><span style="background-color:#FFFFFF;">高精度地</span><span style="background-color:#FFFFFF;">实时检测。</span> </p> <p style="font-size:16px;"> <span style="background-color:#FFFFFF;"><br /></span> </p> <p style="font-size:16px;"> <span><span style="background-color:#FFFFFF;"><span style="font-size:16px;">本课程会讲述本项目超万张人口罩数据集的制作方法,包括使用labelImg标注工具标注以及如何使用Python代对第三方数据集进行修复和清洗。</span><br /></span></span> </p> <p style="font-size:16px;"> <span><span style="background-color:#FFFFFF;"><br /></span></span> </p> <p style="font-size:16px;"> 本课程的YOLOv4使用AlexyAB/darknet,在Ubuntu系统上做项目演示。具体项目过程包括:安装YOLOv4、训练集和测试集自动划分、修改配置文件、训练网络模型、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类分析。  </p> <p style="font-size:16px;"> <br /></p> <p style="font-size:16px;"> <br /></p> <p style="font-size:16px;"> <img src="https://img-bss.csdn.net/202005200601524939.jpg" alt="" /></p> <p style="font-size:16px;"> <strong>YOLOv4人口罩佩戴检测效果</strong> </p> <p style="font-size:16px;"> <img src="https://img-bss.csdn.net/202005200603052758.jpg" alt="" /></p> <p style="font-size:16px;"> <br /></p> <span style="color:#000000;"></span>
©️2020 CSDN 皮肤主题: 技术黑板 设计师:CSDN官方博客 返回首页
实付 9.90元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值