帶口罩 人臉識別測溫技術面臨新挑戰
發布時間:2020-04-16 | 作者:安居樂人臉識別
| 來源:石家莊安居樂科技 瀏覽:
簡介:在人工智能技術迅猛發展的當下,人臉識別已經不是一件新鮮事。但新冠肺炎疫情下,在建筑工地、學校機關等需要鑒別入場人員身份信息的場所,人員在佩戴口罩、安全帽后,實現人臉快速識別并同步檢測體溫,成為一項全新的技術成果。戴口罩進行人臉識別的技術難點在哪里?現有成果如何提供“一手抓防疫、一手抓生產”的解決方案?未來該技術還有怎樣的應用空間?
在人工智能技術迅猛發展的當下,人臉識別已經不是一件新鮮事。但新冠肺炎疫情下,在建筑工地、學校機關等需要鑒別入場人員身份信息的場所,人員在佩戴口罩、安全帽后,實現人臉快速識別并同步檢測體溫,成為一項全新的技術成果。戴口罩進行人臉識別的技術難點在哪里?現有成果如何提供“一手抓防疫、一手抓生產”的解決方案?未來該技術還有怎樣的應用空間?
疫情發生后,復工現場的管理也出現諸多新的技術需求,在戴口罩、安全帽的情況下,如何實現入場人員人臉識別測溫等識別,就是復工管理的一個重點方向,也成為新技術的一大挑戰。
這項技術難點在哪兒?原來的人臉識別算法,是根據面部特征關鍵點來進行識別的,算法納入的關鍵點越多,識別的結果也就越精確。但佩戴口罩后,可供識別的“關鍵點”大幅減少。“鼻子以下的面部特征被掩蓋,面部特征關鍵點減少,機器之前學習的特征判別能力隨之降低。口罩會使原有的人臉識別算法模型失效,使機器無法識別當前的人。同時,口罩類型較多且遮擋程度不一,也提升了難度。
聚焦眼部 優化注意力算法模型
采用眼部、眉毛等局部特征與整體人臉特征的融合,并結合注意力機制增強眼部特征,通過訓練眼部關鍵點的模型,來提升模型在口罩遮擋下的人臉識別率。
信息增值 挖掘數據背后的價值
高清監控攝像機采集的圖片、視頻信息,經過后臺分析,在不改變原有設備情況下,通過技術的提升,能夠實現身份識別、安全帽佩戴檢測、反光衣穿戴識別、車輛信息狀態展示、危險源管理、安全區劃分等,真正實現信息增值、硬件降成本。