随着对抗新冠疫情的战役正式打响，口罩对控制疫情起到了相当关键的作用，但全民佩戴口罩也对诸如高铁闸机等需要人脸识别的场景提出了挑战: 戴口罩人群由于面部区域大范围被口罩遮挡，现有算法无法准确检测人脸位置、定位五官关键点，大大降低现有的人脸识别算法效果。此外，在公共场所摘下口罩靠人工排查，不仅耗费大量人力、排查效率低，也增加了一线工作人员的感染风险。为了解决这一难题，腾讯优图在春节期间，迅速成立攻坚小组，针对不同戴口罩场景进行算法研发与优化，最终攻克难题。

口罩佩戴识别准确率高于99%，优图攻克口罩下人脸识别技术

优图在人脸检测、人脸配准（关键点定位）、人脸属性、人脸识别等技术进行重点攻坚，目前可实时检测戴口罩人脸、精准识别五种不同的佩戴口罩情形，并对未佩戴口罩或错误佩戴口罩的人员及时发现预警。在此基础上，优图DDL人脸识别技术进一步增强对人脸可见区域的判别能力，实现更鲁棒的人脸识别。

在人脸检测方面，基于优图开源的DSFD人脸检测算法，针对戴口罩场景下的五官遮挡，腾讯优图在模型设计上进行局部特征增强，提升可见区域权重。同时针对口罩种类丰富、佩戴位置多样等问题，在数据增强方面设计相应策略，提升模型鲁棒性。目前，口罩场景下的人脸检测算法准确率超过99%，召回率超过98%。

优化前由于脸部大范围遮挡，导致人脸关键点定位偏差较大

在戴口罩人脸识别方面，优图提供了一套灵活兼具安全与便利的算法解决方案。利用优图人脸质量模型对被口罩遮挡的人脸进行口罩遮挡判断以及遮挡区域提取两类分析。其中，口罩遮挡判断目前已达99.5%以上准确率。而对于安全性要求极高的应用场景，如支付场景，可基于口罩遮挡判断结果筛选出戴口罩或者口罩严重遮挡的人员，并进一步引导其进行其他方式的身份验证。该算法基于自研的DDL技术框架，结合优图人脸质量模型的遮挡区域判断能力，使数据模型在应对戴口罩人脸时，自适应地关注非口罩区域的人脸判别信息，从而提取出更加鲁棒的人脸特征。