【了不起的芯片】人脸识别：我不只看脸

原创新思科技 2022-12-16 16:53

【有奖直播】深入学习Microchip时钟和全新单片机方案 精密双向电流感应放大器设计方案

2022新思科技科普类短视频栏目《了不起的芯片》全新上线！新思科技一直致力于打造“人人都能懂”的行业科普视频，传播更多芯片相关小知识，解答各类科技小问题。每周3分钟，多一些“芯”知识。

这一期，我们聊一聊人脸识别的那些事儿。

▲点击观看视频

作为目前主流身份认证方式之一的人脸识别，伴随着智能手机，进入到了许多人的日常生活中。然而，疫情来临后，口罩也成为无法缺少的必备品，就连科技发展，也不可避免将其裹挟其中。最近，甚至有手机商开始拓展出了戴着口罩进行识别的功能。

但戴着口罩进行的人脸识别是否还依旧准确？让我们先来了解一下人脸识别的原理。

简单来说，人脸识别可分为四个部分：图像采集、图像预处理、特征提取和匹配。

首先，摄像头采集系统识别范围内的图像，并通过光线补偿、灰度校正、噪声过滤等方法进行自动图像修正。随后图像被提交到预识别单元，在这里，一些专用的快速算法会检测图像中是否有人脸，并提取图像中的人脸。如果有需要，这一步还会进行活体检测（所以手机解锁是不能用照片蒙混过关的）。

随后，图像处理算法对修正过的人脸图像提取特征。传统的识别方式会采用平面识别构建二维人脸数据，目前最新的方式则是立体识别，在这一步的算法也会吃进其他传感器获得的信息。无论使用哪种算法，最终提取到的特征就是一串简短的数据。系统会把这简短的数据提交给下一级进行匹配。有些算力强大的设备自己就能做匹配，另一些设备则通过安全通路把这段数据发送到云端。

最后，系统会将提取到的特征数据进行数据匹配。进行匹配的方法就是进行数学计算，看看提取到的特征数据与数据库中已有数据的“相似度”。通常系统会设定一个阈值，当相似度超过这一阈值，就能得到匹配的结果。

可以说，特征点决定了匹配结果，因此，人脸识别的关键点就在于提取到的特征点。戴口罩的时候也是一样，系统通过采集人脸特征点进行识别，只不过能够采集的面部信息有限，识别算法需要更加“努力”地使用没有被口罩遮蔽的部分，主要就是眼睛以及一部分鼻子附近的特征。精确度自然是无法与全脸识别的精确度相比的。要想提高准确度，除了改善采集时的物理环境，就只能在特征提取的时候下功夫。

当然，由于特征提取方式的不同，改善措施也会有相应调整。

对于平面识别系统而言，为了尽量采集剩余人脸的特征，需要摄像头有较高的分辨率。在算法方面，疫情开始不久后，算法科学家们就已经开始集中攻克“识别戴口罩的人脸”这一难题，通过专门设计的神经网络以及针对口罩遮蔽的训练方法，已经能够很好的解决这个问题。

（Loey M, Manogaran G, Taha M H N, et al. A hybrid deep transfer learning model with machine learning methods for face mask detection in the era of the COVID-19 pandemic[J]. Measurement, 2021, 167: 108288.）

上图：一种针对口罩遮蔽的神经网络算法，在通用图像识别网络（Resnet50）的基础上对分类操作进行增强。

对于立体识别系统而言，由于深度方向上的传感器本来就采集了比平面之外的“额外信息”，因此对设备升级的要求不高。例如同一款智能手机，只需要进行系统升级，更新软件，就具备了口罩识别解锁的能力。

总体来看，戴口罩时人脸识别的准确度目前是无法超越正常人脸识别的，而要想改善这一情况，或是专心升科技，或是砸钱买装备。我们也期待未来某一天，虹膜识别等技术能够得到大规模的应用，到那时，或许就算戴着口罩，也能百分百认证成功了！