特殊时期防疫工作要外防输入，内防扩散，切断传染源，如何利用科技的力量进行有效防疫被重点关注。在正确佩戴口罩的场景下，如何进行非接触式的精准身份识别，成为一大难题。
针对疫情防控，的卢深视推出三维口罩遮挡人脸识别解决方案及产品，识别准确度达97%。值得一提的是，在整个识别过程无需摘掉口罩，也无需刻意露出鼻子等关键部位，有效避免了交叉感染等问题。
针对戴口罩场景下通过人脸识别进行身份核验这一热点问题，的卢深视算法团队的工程师们进行了一场“快问快答”式分享，科学防疫，知识就是力量。
如何定义“戴口罩人脸识别”？
戴口罩人脸识别是指在正确佩戴口罩的情况下，实现非接触式的人的身份核验，即明确“你是谁”。
戴口罩人脸识别属于遮挡人脸识别，要求在可接受的误识别率范围内，达到较好的正确识别率。戴口罩人脸识别涉及的算法除了人脸检测、关键点检测和人脸特征提取算法外，还包括口罩（有无）检测或口罩区域检测。
是否需要保障露出多少面部特征？
由于嘴部区域和鼻子区域受到了遮挡，对人脸识别带来了很大的挑战。一般而言，口罩遮挡部位越小，人脸识别模型的性能越高。的卢深视的三维口罩遮挡人脸识别解决方案在正确佩戴口罩的场景下即可成功识别，只有这样，才能有效满足实战需求。
进行戴口罩人脸识别的技术原理？
的卢深视基于人脸全局特征及局部特征相结合的方法，同时充分利用人脸未遮挡部位的三维几何信息进行三维人脸识别研究，相对于普通的二维人脸识别能够有效应对戴口罩等遮挡场景的人脸识别。
戴口罩识别有哪些技术难点？
· 戴口罩人脸的人脸检测和人脸关键点检测的精度受到口罩遮挡的影响会降低；
· 由于口罩遮挡，人像信息减少，学习到的特征的判别性随之较少。具体的，二维纹理信息会由于遮挡而丢失、三维形状信息会带有噪声；
· 口罩类型比较多且口罩遮挡程度不一，如何更多地利用非遮挡区域的信息也是一个影响因素。
如何提升戴口罩识别的准确率？
简单讲讲通过模拟生成戴口罩数据，从而优化人脸识别算法模型这种研究方法。
的卢主要关注两个点，一个是训练数据规模，通常都是数十万到百万级别，在图像质量有保障的前提下，规模越大，通常优化效果越好。
这就带来了第二个关注点，我们很难在短时间内采集得到数十万的戴口罩数据，这个时候就要采用模拟的方法，具体而言：
· 二维：通常的做法是，根据二维图片上的人脸关键点，将二维的口罩贴图和二维图片中的人脸对齐，然后根据口罩的mask图来完成填加口罩操作。
· 三维：先重建三维人脸模型，再将口罩的三维模板模型与三维人脸模型进行非刚性对齐，从而完成模拟加口罩的操作。
的卢深视成立5年落地多个项目，并帮助某边疆省份建立了省级规模的3D人像数据库，积累大量实战数据。由于实战数据的丰富性，为的卢深视能够迅速开展更多前沿研究奠定了基础。
在疫情防控工作的关键时刻，的卢深视将持续加大研发力量投入，以最好的技术输出，助力疫情防控工作。
