我們都知道人臉識別的原理是于人的臉部特征，對輸入的人臉圖像或者視頻流。首先判斷其是否存在人臉 , 如果存在人臉，則進一步的給出每個臉的位置、大小和各個主要面部器官的位置信息。并根據這些信息，進一步提取每個人臉中所蘊涵的身份特征，并將其與已知的人臉進行對比，從而識別每個人臉的身份。

人臉識別包含了2個基本的部分人臉檢測和人臉的對比。

那么為什么我們帶了口罩，門口的人臉門禁設備依舊可以識別出來是你呢？

其實現在人臉算法足夠強大，戴了口罩剩下的半張臉的信息足夠區分這張臉到底屬于是誰的了。

那么戴口罩下的人臉識別到底有多難呢，根據專家解釋分析，主要有以下幾點：

戴上口罩后，主要的五官信息如鼻子、嘴巴等被遮擋，人臉面部可用于辨別的信息會大幅減少；

其次臉部輪廓等可辨別信息也在物理分布上發生較大變化，因此按照傳統思路訓練出的人臉識別模型，精度都會出現大幅下降；

還有數據，戴口罩下的人臉數據本身就非常缺乏，疫情之下也很難短時間內快速采集數據，或者找采集公司定制用以訓練。

因此從算法上看，佩戴口罩的人臉中眼睛成為了人臉識別的關鍵信息，基于口罩的人臉識別采用眼部關鍵點和注意力機制相結合的方法來增強眼部特征，眼部特征圖與整體人臉特征圖的多級融合，充分挖掘人臉的有效信息，提升模型在口罩遮擋情況下的表現。

在人臉識別模型的訓練過程中，小視科技團隊同時加載預先訓練的眼部關鍵點網絡用于特征圖的提取，并與人臉識別網絡提取的特征圖相結合，結合注意力機制突出眼部特征，提高識別的準確率。

在內部測試集中，該模型結果僅比普通算法模型指標低 5%。而在此之前，業界其他方案的公開口罩人臉識別仍在 80%-90% 區間。

該思路此前在通用任務表現上并不理想，所以沒有推廣開來，但在口罩識別場景下的表現超出了所有人的預期。