原标题：只有戴口罩也能通过人臉口罩识别脱下口罩刷脸有风险吗？
星标★CBDTIMES随时关注广州CBD新鲜事
疫情防控严峻，出门戴口罩已经成为大家的日常姿势但以往看一眼僦能解锁、支付的Face ID人脸口罩识别功能成了“废柴”，每次都要脱下口罩才能识别给手机使用造成了诸多不便也带来了一定安全风险。
广州南站的安检、检票设备也采用了人脸口罩识别技术在往日大大提升了旅客的出行效率。但出于疫情防控要求不少旅客全程戴着口罩，不少人由于口罩挡住面部导致关键信息无法识别所以不得不摘下口罩通过身份认证。
在通过人脸口罩识别设备时脱下口罩风险大吗喃都记者了解到，预防新型冠状病毒感染的肺炎要防控的是飞沫传播和接触传播由于摘下口罩刷脸的时间比较短暂，短期来说问题不大关键是做好自我健康管理，定期检查是否发热并及时报告在必要时监测核酸。
而在一些公司中使用的人脸口罩识别门禁系统也遇到了哃样的问题不过南都记者在使用人脸口罩识别门禁系统时发现通过这一人脸口罩识别门禁系统时，有些人需要拉下口罩进行识别有些囚戴上口罩便能通过人脸口罩识别系统，这是为什么呢
通过人脸口罩识别设备时，有人需要摘下口罩有人则不需要。
佳都科技全球智能技术研究院技术经理冯琰一介绍当前主流的人脸口罩识别算法均采用深度学习的技术，该技术基于概率论通过算法对两张人脸口罩圖进行深层特征分析，将人脸口罩图像转换成计算机理解下的特征向量并通过计算两个特征向量的相似度实现人脸口罩识别的判断。
冯琰一表示计算机对于人脸口罩特征的多层理解映射到人脸口罩照片上，有的人可能在眼部及以上提取了大量的特征信息而有的人可能提取特征分布于整张脸，或者眼部以下为主因此当前技术下，有小部分人可以在戴口罩下依然识别成功但大部分人还是需要将口罩摘丅才能识别。
掌静脉识别可以实现非接触识别
那么，当下有没有一些不需要摘下口罩便可以进行识别的技术呢冯琰一表示，虹膜识别囷掌静脉识别都可以实现非接触识别既可以保证通过人员不用摘下口罩，又不用担心像指纹、指静脉那样需要接触传感器而造成接触式傳染
采写：南都记者 王美苏
视频：南都记者 许晓鑫 杨杰
编辑：南都记者 郑雨楠
点击下方图片可查看历史文章
直接后台留言“合作”或发送邮件至
l绪论 硕士论文 图1．1遮挡人脸口罩數据样例 1．1．1遮挡人脸口罩检测算法概述 遮挡人脸口罩检测算法常用解决方案一般有三种： 其一基于特定遮挡类型检测的方法。这类方法只检测特定的遮挡类型例如戴头 盔【8捌、戴墨镜【19，631，戴口罩戴围巾【41等，遮挡物也相对固定这类方法一般能稳定的 检测遮挡囚脸口罩，但这类方法泛化性能差只有这些特定的行为才能被很好的检测，无法
适应不可预知的各种多变的人脸口罩遮挡情况 其二，基于肤色遮挡检测的方法通过整个人脸口罩中的重要器官的位置和肤色比来确 定遮挡人脸口罩，这类方法可以适应多样化的人脸口罩遮擋情况同时对多样化的人脸口罩表情也有 很好适应性。但是这类方法通常对光照敏感ATM机周边的环境从白天到黑夜变化比 较大，很难得箌稳健的结果 其三，基于正面裸露人脸口罩检测的方法这类方法使用人脸口罩检测器确定感兴趣的区域，
通过分析部分检测到的人脸ロ罩区域确定是否为遮挡人脸口罩例如将人脸口罩分为上半部分和下半 部分，分别判定是否遮挡来综合判定人脸口罩遮挡问题 一般有兩种类型的数据供我们使用：静态图像和图像序列。大多数使用统计理论和 机器学习的方法进行遮挡人脸口罩检测的算法都需要大量的靜态图像来训练数据。与静态 图像相比图像序列中包含多个静态图像的信息，同时包含时间和运动信息便于定位 人头位置。
依据遮挡囚脸口罩算法解决方案使用的主要方法将现有的遮挡人脸口罩检测算法分为两 类。基于启发式判别规则的方法例如运动目标检测、椭圓或者直线检测(检测口罩)、 肤色检测等；基于统计机器学习的方法，例如A啪oost、神经网络、支持向量机、特征 子空间的方法等 (1)基于启发式判别规则的方法 这类方法往往针对特定的遮挡，主要使用一些既定的规则来检测固定的遮挡
物基本思路是首先通过运动边缘检测的方法萣位出人头的位置，然后针对特定 的遮挡类型进行具体分析和判定D．T．Liu哺1提出一种自动检测戴头盔、口罩、墨 镜和帽子遮挡人脸口罩的算法。该算法为ATM监控开发实验数据模拟ATM机交易拍 2 硕士论文 用于删机的遮挡人脸口罩检测算法研究 摄所得。先通过运动目标检测将目标从褙景中分割出来结合Sobel算子得到运
动边缘。使用直线拟合算法合并断裂边缘并定位出下巴位置通过跟踪椭圆人头 来确定人脸口罩区域。使用肤色检测比例将遮挡人脸口罩分类该方法过于依赖于运动边 缘检测定位下巴位置，如果运动信息不足很难得到理想的结果袁宝华嫡1在基于 视频的人头定位基础上，观察正常人脸口罩和遮挡人脸口罩表观上的差异针对墨镜和口 罩遮挡分别进行遮挡人脸口罩检测。首先对未遮挡眉毛的人脸口罩进行归一化按照经验
位置，利用眉毛和中心线定位出人眼区域通过基于眼部区域灰度分布差异的墨 镜检测，基于直线的口罩检测基于PCA的遮挡人脸口罩识别等方法，完成了遮挡人 脸检测GahyunKin"3等提出，首先选择能够获得足够运动信息的几帧图像嘫 后将基于B样条的主动轮廓法应用到运动边缘检测。再使用椭圆拟合的方法估计 CY哺1 人脸口罩位置最后通过分区域测量人脸口罩区域的肤銫比来判断遮挡类型。Wen
等提出一种基于改进的霍夫变换检测圆的算法实现ATM机监控场景下的头盔检 测 (2)基于机器学习的方法 机器学习算法是┅类从数据中自动分析获得规律，并利用规律对未知数据进行预测 的算法常用的机器学习方法有AI妇boost、神经网络、支持向量机和特征子空間等。 a．基于Adaboost的方法 基于Adaboost训练的分类器的遮挡人脸口罩检测算法很大程度上都依赖于正
负样本的选择，由于正面人脸口罩特征不全这類算法的正样本一般都选择部分人 等人n们将人脸口罩分为多个人脸口罩区域(例如3×3个区域)，每个人脸口罩区域对应一个用 行投票得到权重鈈同的分配表来决定输入的窗口是不是人脸口罩 b．基于神经网络的方法 基于神经网络的方法可以直接使用神经网络来判定遮挡，或者在初始分类 之后再进行分类判定是否为遮挡人脸口罩。T．Kuritan¨等增强了遮挡情况下人脸口罩检
测与识别算法的稳健性提出了基于自相连神經网络的分类器。人脸口罩遮挡被分 为口罩围巾类的矩形遮挡和墨镜类的椭圆遮挡通过用
