隨著對抗新冠疫情的戰役正式打響，口罩對控制疫情起到了相當關鍵的作用，但全民佩戴口罩也對諸如高鐵閘機等需要人臉識別的場景提出了挑戰: 戴口罩人群由于面部區域大範圍被口罩遮擋，現有算法無法准確檢測人臉位置、定位五官關鍵點，大大降低現有的人臉識別算法效果。此外，在公共場所摘下口罩靠人工排查，不僅耗費大量人力、排查效率低，也增加了一線工作人員的感染風險。爲了解決這一難題，騰訊優圖在春節期間，迅速成立攻堅小組，針對不同戴口罩場景進行算法研發與優化，最終攻克難題。
口罩佩戴識別准確率高于99%，優圖攻克口罩下人臉識別技術
優圖在人臉檢測、人臉配准（關鍵點定位）、人臉屬性、人臉識別等技術進行重點攻堅，目前可實時檢測戴口罩人臉、精准識別五種不同的佩戴口罩情形，並對未佩戴口罩或錯誤佩戴口罩的人員及時發現預警。在此基礎上，優圖DDL人臉識別技術進一步增強對人臉可見區域的判別能力，實現更魯棒的人臉識別。
在人臉檢測方面，基于優圖開源的DSFD人臉檢測算法，針對戴口罩場景下的五官遮擋，騰訊優圖在模型設計上進行局部特征增強，提升可見區域權重。同時針對口罩種類豐富、佩戴位置多樣等問題，在數據增強方面設計相應策略，提升模型魯棒性。目前，口罩場景下的人臉檢測算法准確率超過99%，召回率超過98%。
優化前由于臉部大範圍遮擋，導致人臉關鍵點定位偏差較大
在戴口罩人臉識別方面，優圖提供了一套靈活兼具安全與便利的算法解決方案。利用優圖人臉質量模型對被口罩遮擋的人臉進行口罩遮擋判斷以及遮擋區域提取兩類分析。其中，口罩遮擋判斷目前已達99.5%以上准確率。而對于安全性要求極高的應用場景，如支付場景，可基于口罩遮擋判斷結果篩選出戴口罩或者口罩嚴重遮擋的人員，並進一步引導其進行其他方式的身份驗證。該算法基于自研的DDL技術框架，結合優圖人臉質量模型的遮擋區域判斷能力，使數據模型在應對戴口罩人臉時，自適應地關注非口罩區域的人臉判別信息，從而提取出更加魯棒的人臉特征。