本文轉載自CPS中安網，原作者加二。原標題《戴口罩也能被識別？聽聽專家怎么說》億歐智慧城市對文章進行二次編輯，供讀者參考。

人臉識別概念火熱，但局部特征信息識別的準確率仍有待提升。

“刷臉”逐漸成為新的風潮，人臉識別技術商業化應用領域不斷擴張，各種產品、解決方案層出不窮。但面對眾多的人臉識別應用，大眾對于真正的技術發展水平卻知之甚少。在配戴帽子、眼鏡、口罩等情況下，智能攝像頭能否識別出人物信息，也成為當下熱門話題之一。

面對此類疑惑，海康威視此前對外表示，可見光無法穿透口罩，被遮擋部分不具備識別的基礎。

除此之外，包括大華股份、商湯科技、云天勵飛、比特大陸等企業也一致表示，在進行人臉信息抓拍時，僅能通過暴露在外的人臉特征與后臺數據進行信息比對，被遮擋部分無法進行識別。

綜上所述，人臉識別技術在進行樣貌信息采集時，必須具備足夠的特征信息才能完成身份識別。

那么，現階段人臉識別技術可以通過哪些信息完成身份識別呢？

CPS中安網了解到，現階段人臉識別技術對于人臉屬性的提取還包括性別、年齡、表情、眼鏡、口罩、胡子等信息的提取；對于樣貌特征包括上衣類型、下衣類型、上衣顏色、下衣顏色、背包、帽子等屬性信息的提取。

由于局部人臉所含的特征信息較少，對于現有的算法而言，特征越多，識別率越高；而特征信息越少就意味著數據重復的可能性變大，識別準確率將會降低。

業內人士表示，目前大部分企業采用的深度學習算法，通過大量的人臉樣本訓練的方式來學習識別，可以一定程度上提高局部信息識別的準確率。

然而，僅靠面部特征及樣貌信息并不能精準完成身份識別，系統后端人臉數據庫的大小也將影響人臉識別技術的準確率及人臉對比速度。

人臉數據庫能夠為人臉識別提供比對模板，為人臉算法檢測提供測試樣本。在識別人臉時，計算機通過一定的算法，檢索庫中是否有匹配到的人臉結果，給出相似度數據。當人臉的相似度數據達到一定的數值時，便可以認定為同一張人臉。

但是，人臉數據庫樣本是有所限制的，根據應用項目的不同，數據庫的存儲量也不盡相同。且出于隱私保護等原因，數據庫與數據庫之間的關聯性并不強。上述專業人士表示，目前算法在不知道采集人身份信息的情況下，還不能做到與一個城市的人口去比對，更不能與全國的人口信息去比較。

除受制于人臉數據庫的存儲量之外，影響人臉識別技術的因素還包括政策、行業標準、市場環境以及安裝條件等。

在政策方面，國內大環境下國家持續出臺利好政策，推動人臉識別在各個領域的應用。但在國外有些地區出于隱私保護問題限制使用人臉識別技術。

比如今年5月，舊金山出臺法令禁止警察和其他政府機構使用人臉識別技術，緊接著7月美國馬薩諸塞州的薩默維爾市宣布禁止當地警方和市政部門使用面部識別軟件......這些舉措對于人臉識別的進一步發展會起到一部分消極作用。

在行業標準方面，人臉識別技術的商用場景不斷擴充，但各類標準有待完善。

目前我國出臺的《公共安全人臉識別應用圖像技術要求》(GB/T35678-2017)等相關標準都是以公安機關具體的刑事偵查、證照管理等公安業務為基礎制定的，但對于信息的使用、存儲、運輸、管理仍需進一步細化，缺少從技術層面建立的各行業標準體系。

比如在視頻結構化版塊，目前還未達成一致，前后端之間無法實現特征值的互認。

在市場環境方面，業內人士表示，目前人臉識別產品的價格正在以每年10%左右的速度降低，并且在隱私與便利的平衡把握住之前，未來發展趨勢有待關注，因此客戶是否愿意為這部分功能的溢價買單也將影響技術的研究發展。

在安裝條件方面，對安裝高度、角度、寬度、光線條件等要求都較高。

面部特征信息采集對于相機的角度最好的是正面，但在實際場景中通常很難捕捉到一張正面圖，因此在算法訓練時還需包括兩側人臉、上下側面部的數據等。

此外由于人臉是3D結構，光照變化會增強或減弱人臉特征，嚴重影響信息采集準確度，因此運用局部特征做人臉識別仍具有一定的難度。

人臉識別技術是未來信息技術的重要組成部分，現階段已經由理論探討逐漸進入項目使用階段，但火熱概念的背后，仍需企業冷靜完善實際落地效果。

業內人士表示，未來隨著攝像機像素、算法、算力等各方面的提升，對于畫面中局部區域的信息提取可以做到更精細的情況下，或將實現通過局部信息做到身份識別。但以現在的技術而言，雖然深度學習算法較傳統的算法有了質的提升，在識別率和準確性上仍需企業不斷突破，進一步深入研究。?

本文已標注來源和出處，版權歸原作者所有，如有侵權，請聯系我們。