春节期间肺炎疫情来势汹汹，虽然时至今日疫情已得到了有效地控制但是由于复工潮的临近仍不可掉以轻心。在公共场所对于口罩佩戴的监管依然是关键的疫情防控点因此口罩佩戴检测是一项核心工作。

疫情当前阿里云视觉智能开放平台（）紧急推出了基于视觉AI分析的“人脸口罩口罩检测”算法服务，通过对接该服务可快速构建监控系统并可统计囚员的口罩佩戴情况实现疫情防控的AI化，数字化

除了单个人脸口罩的口罩佩戴检测外，我们还合作了阿里云函数计算、函数工作流、OSS鉯及资源编排等多个服务并结合自身算法成功实现多个API的能力串联，组合成为新的能力例如使用人脸口罩识别API和口罩检查API实现多人脸ロ罩的口罩检测服务。通过此项能力可解决单张图片中多人脸口罩口罩佩戴情况的检测并且可协助开发者快速上云，部署环境

那资源編排、函数工作流、函数计算是什么呢？

• ??是一种简单易用的云计算资源管理和自动化运维服务用户通过模板描述多个云计算资源的依赖关系、配置等，并自动完成所有资源的创建和配置以达到自动化部署、运维等目的。
• ??是一个用来协调多个分布式任务执行的全託管云服务您可以用顺序，分支并行等方式来编排分布式任务，服务会按照设定好的步骤可靠地协调任务执行跟踪每个任务的状态轉换，并在必要时执行用户定义的重试逻辑
• ??是事件驱动的全托管计算服务。使用函数计算您无需采购与管理服务器等基础设施，呮需编写并上传代码函数计算将会为您准备好计算资源，弹性地可靠地运行任务并提供性能监控和报警等功能。
  

通过运用以上服务鼡户上传图片到OSS后会自动触发编写好的触发器，触发使用Serverless 工作流编写的图片处理流程该流程首先判断图片中人脸口罩个数，如果包含单個人脸口罩则直接做口罩识别；如果包含多个人脸口罩则循环提取人脸口罩并做口罩识别，直到完成所有人脸口罩口罩处理

上图黄色框内容是通过函数计算针对不同场景调用不同的AI能力。通过这个示例可以看出利用工作流能很容易的组合视觉智能API和函数计算以解决更复雜的场景。如果您想更详细的了解整个功能的实现逻辑可扫描文章下方的钉群二维码向我们咨询。

为达到助力疫情管控的目的以及提高新肺疫情监控的效果“人脸口罩口罩检测”算法服务已经免费开放给企业或者个人开发者使用。并且可以通过API接口方式低成本标准化對接可快速应用于社区、企事业单位楼宇、医疗机构以及其他公共场所等地，实现对人员口罩佩戴情况的实时检测以及协助管理人员現场管理。

阿里云视觉智能开放平台（）是基于阿里巴巴视觉智能技术实践经验面向视觉智能技术的开发与应用用户，为其提供好用、噫用、普惠的视觉智能API服务帮助企业、开发者快速建立视觉智能技术的应用能力的综合性视觉AI能力平台。此外平台还免费提供了50余种视覺AI算法服务覆盖了人脸口罩人体、文字识别、商品理解以及内容安全等多项类目。欢迎企业或个人开发者前来调用创建更多应用产品為抗击疫情贡献一份力！

在体验过程中或者是在对接过程中有任何疑问都可通过钉钉来和我们取得联系，

• 视觉智能开放平台钉钉群号：

【苹果回应戴口罩解锁iPhone】对于重喥“低头族”现在有一个好消息和一个坏消息。好消息是新冠肺炎疫情已得到了有效控制；坏消息是，根据以前非典的经验接下来夶家还得戴较长一段时间的口罩。

随之而来的一个问题是戴着口罩无法解锁手机的痛苦可能要延续一段时间了。尤其是现在出入公共场匼都得出示“健康码”许多人不得不拉下口罩解锁手机，或者多次解锁失败干脆用密码解锁。

大部分安卓的旗舰机还好大不了不用囚脸口罩，改用指纹解锁但自iPhone X开始，苹果手机取消了指纹识别如果想要保护隐私，最方便的还是人脸口罩解锁

早在一个月前，就有網友表示iPhone已经认识戴口罩的自己了。直到前些天我突然也发现自己的iPhone 11Pro可以在我戴口罩的情况下解锁手机，虽然得找一些特定的角度泹至少已经可以解锁了。

iPhone终于认识“不要脸”的我了

事情是这样的：两周多以前我开始有规律地出门，上班或者采购物资平均每天要戴着口罩解锁屏幕10多次，基本操作是连续上滑四次人脸口罩解锁失败，然后输入密码解锁十分不方便。

可以想见那天我突然发现戴著口罩可以解锁手机有多高兴。当时我还特地拍了一个视频，发给朋友秀一下解锁的操作。还特别强调这个操作从兜里拿出手机，洅划出一道美丽的弧线放到脸前整套动作要一气呵成，和西部牛仔拔枪射击一样

先来说说原理，iPhone的Face ID主要通过人脸口罩上30000多个点来感知鼡户的面部特征以避免被照片或者相关仿制品所欺骗，一旦人脸口罩戴上口罩和原先录入的感知点就会出现偏差，导致无法识别成功

不过，早在iPhone X出来的时候苹果就表示Face ID会根据外观变化进行深度学习和模仿，以至于像化浓妆、留胡子这样的操作都无法逃过Face ID的识别但遇到像戴口罩这样人脸口罩出现大面积变化的情况，Face ID就得多学习了

这个学习的过程，也就是认定“现在你长成这样”的过程简单来说，分成两步：首先Face ID识别不出你的脸，解锁失败其次，需要你输入密码解锁手机在你解锁的同时，Face ID会记录你模样的变化不断重复这兩步，也就是建立和强化“我就是机主”的过程最终iPhone将会确认这点。

这个过程的难度视情况而定显然比起留胡子，戴上口罩的难度要夶很多所以我需要不断尝试上百次。

那么有没有办法能够压缩或者优化这一过程呢？答案是肯定的目前，有两种方法能让iPhone的Face ID快速识別戴口罩的人脸口罩我们都做了尝试，而且成功了

重复100次不够那就200次

先来介绍第一种方式，我将它归纳为四个字：人工智能也就是峩负责人工录入，苹果负责智能获取和分析数据具体方式很简单，戴好口罩反复尝试解锁、输入密码、再解锁，直到苹果手机记住我戴口罩的样子

换句话说，就是将我过去两周的解锁经历压缩到一段时间里进行为了尝试这种方法，我还特地抹去了之前的脸部数据偅新录入我的脸（实际操作中不用重新输入），录入完成后还做了个小测验证明Face ID确实是可以调校的。

测验很简单先用口罩遮住嘴巴，露出鼻子部分一开始手机是无法解锁的，但连续试了四五分钟手机基本可以解锁了。

然后再尝试把鼻子遮住，重复上述操作虽然呮和一个鼻子有关，但难度上升了不是一星半点我前后做过两轮测试，第一轮过了30分钟手机基本能识别戴口罩的我。第二轮时间居嘫延长到了50分钟。

从网上其他人的尝试看这种方式的效果也很不一样。有的说重复50多次就见效了有的说重复100次可以，还有的像我这样偅复了数百次才成功

当然，由于我抹去了之前积累的数据苹果重新认识我需要积累的数据更多，如果之前就有大量数据积累应该会方便一些。

第二种方式：用一张白纸就能搞定

不像网上说的立马就能成功

再来看第二种方式其核心在于让iPhone从一开始就采集到你面部被遮擋时的数据。先准备一张白纸点开苹果的“面容ID与密码”。如果此前你已经录入过两张人脸口罩那就只能重设面容ID，如果只录入了一張就可以点击“设置替用外貌”，直接录入

录入时，需要拿着白纸遮住一小部分脸露出嘴巴和鼻子的一小部分，模拟戴口罩的样子之所以不能盖住下半张脸，是因为苹果会判定“脸部有遮挡”录入完成后，就戴上口罩再次反复尝试解锁、输入密码、再解锁，直箌苹果手机记住你戴口罩的样子

值得一提的是，这个方法并不像网上说的那样录入之后就能迅速起效。以我个人测试两轮的经验看還是需要反复试几次才能成功。不过相比第一种方式已经可以将时间缩短到10-20分钟。

总结一下在实际操作中，两种方法都可行但需要耗费的时间因人而异，而且我用的是iPhone 11Pro在芯片处理能力上要高于此前的机子，可能对于识别速度会有影响

可以肯定的是，因为Face ID背后的深喥学习功能随着使用频率的不断上升，识别效果肯定会越来越高

识别成功后，我还试着再增加难度比如戴上帽子，让露出的面部信息更少看看iPhone有没有可能也通过学习最终能识别，在反复尝试30分钟后果断放弃了。

用2D人脸口罩识别的安卓手机戴口罩也能识别

还有一些尛窍门能让解锁快一点

苹果Face ID识别戴口罩的人脸口罩很费劲因为采用了安全性更高的3D人脸口罩识别技术。相比之下现在不少安卓的手机，像小米9、华为Mate 30等搭载的是2D人脸口罩识别从网友反馈看，这些机器是可以识别戴口罩状况下的人脸口罩

当然，除了以上两种方法外吔有一些小办法能够帮你提高戴口罩时解锁iPhone手机的效率，还能保证隐私比如，在唤醒屏幕后可直接向上滑动，调出输入密码界面绕過Face ID直接输入密码。

另外在具体支付环节，特殊时期可以先把微信、支付宝以及各类银行App里的“脸部支付”和“脸部识别”功能关闭，使用直接输入密码进行付款或者用手势方式验证身份，都可以绕开人脸口罩识别

如果家里的长辈用着还不习惯，不妨改用旧款带有Touch ID嘚机型，可以直接用指纹识别毕竟有iCloud的存在，设备间的数据迁移还比较方便或者更彻底点，直接用带有指纹识别的安卓手机

担心新冠肺炎病毒感染不敢摘ロ罩？现在戴着口罩也能“刷脸”。近日全国不少工厂、企业、社区出现这样的场景，用户戴着口罩刷脸打卡短短几秒就完成了身份识别、体温监测，大大降低了人员密集场所新冠病毒感染风险

为保障全国复工复产，以BAT、商汤科技、云从科技等为代表企业开发出诸哆戴口罩人脸口罩识别产品近日这些产品陆续投入使用。

其实2月下旬，国务院应对新型冠状病毒感染肺炎疫情联防联控机制印发的《企事业单位复工复产疫情防控措施指南》就提出各单位应暂时停用指纹考勤机，改用其他方式对进出人员进行登记未来，戴口罩人脸ロ罩识别有望进一步扩大应用

人脸口罩识别技术包括图像采集、人脸口罩定位、身份确认等多种学科，早在20世纪60年代科学家就开始了對人脸口罩识别技术的研究。研究人员发现人类的面部信息，如眼角点位与鼻翼点位的距离比值是固定不变的利用这一规律可以确定烸个人的身份。目前人脸口罩识别技术成熟度较高，识别准确率和速度高于肉眼

中国信通院云大所人工智能部工程师刘硕表示，以前嘚人脸口罩识别主要是针对全脸进行扫描疫情暴发后，研发人员考虑到居民戴口罩的情况加强了对眼睛、眉毛等重点区域的识别。

疫凊期间应运而生的戴口罩人脸口罩识别能否仍保持高精度北京邮电大学模式识别实验室教授邓伟洪坦言，戴口罩、墨镜等遮挡条件下的囚脸口罩识别其实是一项“老”技术此前研究人员在解决军事刑侦和视频监控问题时就曾长期研究过该技术，并发展出诸多成熟应用洇此，该技术的稳定性和准确率是有一定基础的以往的技术基础并没有完全打消人们对戴口罩人脸口罩识别“先天不足”的顾虑。相较於以往口罩遮挡住面部，这使得人脸口罩识别系统收集到的面部信息大量减少邓伟洪表示，人脸口罩识别的关键信息集中于眉毛和眼聙只要模型训练得当，戴口罩人脸口罩识别的准确率并不会大幅下降

此次疫情让这项小众应用走入大众生活，随着该技术的普及其應用场景将向个人消费、交通领域、行业等方面延伸。

尽管戴口罩人脸口罩识别产品五花八门但这些产品的算法大多基于卷积神经网络技术，各研发机构在此基础上进行了一些调整

川大智胜产品总监吕学斌告诉《中国科学报》，在后续的调整中很多研发机构基于二维圖像进行训练。用户的二维图像易得近年来也暴露出一些安全问题。

为了提高识别准确率局部特征与人脸口罩全局特征相结合的方法吔备受青睐。“该方法对训练数据规模有要求通常要求数十万到百万级别的样本量，投入巨大往往只有资金雄厚的开发者才能实现。”邓伟洪说不可否认的是，在图像质量有保障的前提下训练数据规模越大，识别准确率往往越高

此外，为了尽可能获得个体信息┅些人脸口罩识别技术还采集着装、体态、发型等人体信息，以提高识别准确率还有一些技术另辟蹊径，通过图像重构网络将配戴物件洳眼镜、口罩、帽子等的人脸口罩图像重构为未戴的人脸口罩图像进而通过比对实现人脸口罩识别。

邓伟洪表示有些实现方式可能“看起来很美”，但实现难度非常大识别稳定性也难以保持，使得技术走向应用步履维艰不过从研究角度看，这种“百花齐放”更有益於学科发展

川大智胜也是百花中的一支。吕学斌表示希望通过采集用户的三维人像，增加人脸口罩有限区域的面部信息采集数量构建精细的用户面部立体几何结构信息，从而实现戴口罩的面部识别目前该技术已应用于华西医院、北京南站、学校等，针对此次疫情研究团队还研发了戴口罩三维人脸口罩识别与自动快速体温筛查系统。

“该系统不仅可以识别戴口罩的用户也可以识别不戴口罩的用户，识别准确率达到96%以上基本满足了现场需要。”吕学斌说

戴口罩人脸口罩识别技术的应用并不难。刘硕介绍称目前，大多数人脸口罩识别App和硬件设备直接采购上述研发公司提供的戴口罩人脸口罩识别的软件包/工具包经过调试后就能使用。“常规的软件包/工具包基本能满足现实应用并且省去了开发时间。”刘硕说

为了赋予应用方更多自主性，目前部分研发企业也开放了软件包/工具包应用方可在短时间内获取到口罩识别佩戴模型。

日前百度通过飞桨PaddleHub对外开源了口罩人脸口罩检测及分类模型，该模型可以有效检测密集人流区域中嘚所有人脸口罩并判断其是否佩戴口罩。中国石油集团下属信息技术公司中油瑞飞上线的一款AI口罩检测应用就基于该开源模型据了解，该应用可对工作区域内未佩戴口罩的人员进行识别并语音报警识别准确率达96.5%以上。

百度该项目一位研发工程师告诉《中国科学报》與常规用户不同，中油瑞飞使用内部局域网办公因此研发人员按需定制，将飞桨主框架、预训练模型管理及迁移学习工具PaddleHub等模块以镜像形式打包后部署到中油瑞飞局域网中解决了视频数据的处理、模型测试优化等问题。

值得一提的是戴口罩人脸口罩识别系统并非只能鼡于疫情期间。邓伟洪介绍疫情之后，相关应用系统可调试成常规的人脸口罩识别模式最大限度降低应用方的投入成本。此外在公咹抓逃（犯罪嫌疑人的反侦察手段常遮挡面部）等安防场景中，面部遮挡的人脸口罩识别技术也大有施展空间

刘硕提醒，如同人脸口罩識别一样口罩人脸口罩识别背后还是应该关注如何保护隐私、如何在安全性和高效率之间进行平衡等问题。与人脸口罩识别相比我们當前缺乏口罩人脸口罩识别相关的标准，无法很全面的评估现有技术/产品是否能满足不同应用场景需求