来源 | 腾讯SaaS加速器首期项目-WakeData
疫情之下，公共场所需要对人流是否佩戴口罩、是否正确佩戴口罩进行严格督察。而此项工作冗杂琐碎，为降低人力成本、提高人员流通的效率，人工智能技术正被应用到疫情防控工作中。
许多科技公司都积极研发并开放了口罩识别模型，WakeData亦在人脸识别模型基础上开发了口罩识别模型，可快速识别受检者是否正确佩戴口罩，准确率达98.5%，高于百度基于PyramidBox-Lite优化的口罩识别模型的90.4%（此二项数据均基于同一个测试集检测得到）。
其快速迭代的特点，可帮助人脸口罩识别实现模型生成、数据计算两大成本的降低，可应用于医院、火车站、住宅园区、办公楼、地铁站、购物商场等公共场的口罩督察工作中，提升疫情防控效率。
▲百度口罩识别模型将未正确佩戴口罩的照片判为“MASK"，即已佩戴口罩；WakeData将同样的照片判定为未佩戴口罩。
WakeData口罩识别模型，借鉴了数据中台的概念，首先构建了人脸识别任务的AI中台，对人脸的各个部位进行建模并映射到对应的特征空间，用以表示人脸的结构和细节，每一次人脸口罩识别任务，即相当于一个业务处理。大致识别流程分为模型储备、人脸检测、特征提取、图像分类四大步骤。
1.模型储备：首先构建人脸AI中台，即特征提取模型。使用以ResNet为基本网络结构和更具区分度的损失函数来构建深度神经网络，训练人脸特征提取模型，得到的人脸特征表示区分度更强。另有人脸检测和图像分类模型，在AI中台基础上识别人脸、并通过分类得到检测结果。
2.人脸检测、对齐和图像预处理：原始待检测图像经过人脸检测模型，会检测出原始图像中人脸及主要关键点（眼睛，鼻子，嘴巴等）的坐标位置，利用这些位置信息对图像进行预处理，得到下一阶段所需要的图像。
3.人脸特征提取：将上一阶段得到的图像输入到特征提取模型，在深度网络中经过一次后向传播，生成输入图像中对应人脸的特征表示，这一特征表示具有普通人脸的共性及区分不同人脸的个性。
4.图像分类：将阶段3提取的特征表示输入到预训练好的特定任务分类模型中，分类模型会结合各特征的权重及当前图像在各特征上的表现值，综合判定得到图像所属的类型（戴口罩or未戴口罩）。
互联网发展20余年，为社会带来了高效与便利，时至今日数字化进程发展迅速，面对肆虐的新冠病毒，科技与数据有更大的能量助力疫情防控阻击战。
WakeData拥有专业的大数据、人工智能技术，面对疫情勇于承担一家科技企业的社会责任，积极开发口罩识别模型，向社会各界免费开放模型接口，让资源更好地流通，齐心协力、共抗疫情！
———— / END / ————
腾讯SaaS加速器·产业升级实战派
腾讯SaaS加速器，作为腾讯产业加速器的一个重要组成部分，旨在搭建腾讯与SaaS相关企业的桥梁，通过技术、资本、商机、生态等层面的扶持，从战略到落地全方位加速企业成长，从而助力产业转型升级。
