疫情之下，公共場(chǎng)所需要對(duì)人流是否佩戴口罩、是否正確佩戴口罩進(jìn)行嚴(yán)格督察。而此項(xiàng)工作冗雜瑣碎，為降低人力成本、提高人員流通的效率，人工智能技術(shù)正被應(yīng)用到疫情防控工作中。

以百度、滴滴為首，許多科技公司都積極研發(fā)并開放了口罩識(shí)別模型，WakeData亦在人臉識(shí)別模型基礎(chǔ)上開發(fā)了口罩識(shí)別模型，可快速識(shí)別受檢者是否正確佩戴口罩，準(zhǔn)確率達(dá)98.5%，高于百度基于PyramidBox-Lite優(yōu)化的口罩識(shí)別模型的90.4%（此二項(xiàng)數(shù)據(jù)均基于同一個(gè)測(cè)試集檢測(cè)得到，公眾號(hào)后臺(tái)回復(fù)“test”即可獲取該測(cè)試集）。

其快速迭代的特點(diǎn)，可幫助人臉口罩識(shí)別實(shí)現(xiàn)模型生成、數(shù)據(jù)計(jì)算兩大成本的降低，可應(yīng)用于醫(yī)院、火車站、住宅園區(qū)、辦公樓、地鐵站、購物商場(chǎng)等公共場(chǎng)的口罩督察工作中，提升疫情防控效率。

▲百度口罩識(shí)別模型將未正確佩戴口罩的照片判為“MASK"，即已佩戴口罩；WakeData將同樣的照片判定為未佩戴口罩。

WakeData口罩識(shí)別模型，借鑒了數(shù)據(jù)中臺(tái)的概念，首先構(gòu)建了人臉識(shí)別任務(wù)的AI中臺(tái)，對(duì)人臉的各個(gè)部位進(jìn)行建模并映射到對(duì)應(yīng)的特征空間，用以表示人臉的結(jié)構(gòu)和細(xì)節(jié)，每一次人臉口罩識(shí)別任務(wù)，即相當(dāng)于一個(gè)業(yè)務(wù)處理。大致識(shí)別流程分為模型儲(chǔ)備、人臉檢測(cè)、特征提取、圖像分類四大步驟。

1.模型儲(chǔ)備：首先構(gòu)建人臉AI中臺(tái)，即特征提取模型。使用以ResNet為基本網(wǎng)絡(luò)結(jié)構(gòu)和更具區(qū)分度的損失函數(shù)來構(gòu)建深度神經(jīng)網(wǎng)絡(luò)，訓(xùn)練人臉特征提取模型，得到的人臉特征表示區(qū)分度更強(qiáng)。另有人臉檢測(cè)和圖像分類模型，在AI中臺(tái)基礎(chǔ)上識(shí)別人臉、并通過分類得到檢測(cè)結(jié)果。

2.人臉檢測(cè)、對(duì)齊和圖像預(yù)處理：原始待檢測(cè)圖像經(jīng)過人臉檢測(cè)模型，會(huì)檢測(cè)出原始圖像中人臉及主要關(guān)鍵點(diǎn)（眼睛，鼻子，嘴巴等）的坐標(biāo)位置，利用這些位置信息對(duì)圖像進(jìn)行預(yù)處理，得到下一階段所需要的圖像。

3.人臉特征提取：將上一階段得到的圖像輸入到特征提取模型，在深度網(wǎng)絡(luò)中經(jīng)過一次后向傳播，生成輸入圖像中對(duì)應(yīng)人臉的特征表示，這一特征表示具有普通人臉的共性及區(qū)分不同人臉的個(gè)性。

4.圖像分類：將階段3提取的特征表示輸入到預(yù)訓(xùn)練好的特定任務(wù)分類模型中，分類模型會(huì)結(jié)合各特征的權(quán)重及當(dāng)前圖像在各特征上的表現(xiàn)值，綜合判定得到圖像所屬的類型（戴口罩or未戴口罩）。

中國互聯(lián)網(wǎng)發(fā)展20余年，為社會(huì)帶來了高效與便利，時(shí)至今日數(shù)字化進(jìn)程發(fā)展迅速，面對(duì)肆虐的新冠病毒，科技與數(shù)據(jù)有更大的能量助力疫情防控阻擊戰(zhàn)。

WakeData擁有專業(yè)的大數(shù)據(jù)、人工智能技術(shù)，面對(duì)疫情勇于承擔(dān)一家科技企業(yè)的社會(huì)責(zé)任，積極開發(fā)口罩識(shí)別模型，向社會(huì)各界免費(fèi)開放模型接口，讓資源更好地流通，齊心協(xié)力、共抗疫情！