上一次写技术文章是去年4月份了，时隔一整年终于又恬不知耻的上线了！

其实这中间有好多事都想要写，找实习，找工作，申博，考试等

但人的惰性太大了，停笔容易，但是想再拾起笔可真是太难了。

最近研究了一个新的方向，感觉还是挺有意思的，很想记下来一点感触。

去年年初疫情的爆发，迅速席卷了全球，由于管控措施的加强。现在大家出门基本上都要佩戴口罩了，如果在戴口罩的情况下对人脸进行识别，这就显得极为重要了。尤其是商场这些密集型场所，公共场合你叫顾客把口罩给摘下来，这也不太现实，人家肯定也不肯，心里肯定OS：妈得，劳资摘了口罩万一感染了你给我负责？那么如何在戴口罩的情况下对人脸进行识别呢？

以上是普通人脸识别的流程，其实对应到戴口罩的情况下也是如此，只不过此处最大的难点 是如何检测到有障碍物遮挡的人脸区域。

因为我们在做项目时，基本上都是用opencv或者dlib开源库来检测人脸，这些开源库是调用已经训练好的Haar特征模型来检测人脸的，如我们一般用openCV中haarcascade_frontalfac e_fault.xml的模型文件来做识别。现在要来检测戴口罩的人脸，显而易见，这些预训练Haar特征模型是很难准确的完成任务的。因此，我们需要重新训练这样一个戴口罩的人脸检测模型。我在网上查阅了相关资料，这位博主的科普文章有介绍到如何训练这样的模型，最后我检测过准确度还是挺高的。

效果大概就是这样的，其实这个就是调用了Opencv库里面的opencv_traincascade.exe做二分类训练的。

opencv_traincascade.exe：是OpenCV自带的一个工具，封装了haar特征提取LBP和HOG特征分类器

人脸区域能够检测出来，其实后面我个人觉得非常简单了。那我就把眼睛，眉毛，鼻子，嘴巴，下巴这些关键部位的特征点提取出来就行了。等等等等，你唬我呢？肯定有读者此刻在心里大骂我，口罩都把人眼睛下面的区域给遮住了，怎么还能检测到鼻子和嘴巴？我的解释就比较霸道了：我说它有鼻子它就有。各位您再想再细想...

哈哈哈哈哈好了不卖关子了，其实对于机器而言，什么才是鼻子？没有鼻孔的鼻子可以算作鼻子吗？答案是可以，原理如下图所示，其实我只要装傻，把鼻子遮挡住的那部分口罩当成一个绿鼻子，机器敢有意见吗？

事实上，调用dlib开源库来提取128个特征点，这个模型也是这么干的，自动补充特征点，如下图所示：

到这里，前两步都完成了。对了，我好像还忘了总结人脸识别的步骤，也就4步，如下所示：

戴口罩的人脸检测

戴口罩的人脸对齐

戴口罩的人脸编码

戴口罩人脸对应的身份识别

后面两步我就直接是用dlib开源库来帮我完成了，效果还是不错的，可能是我脸盘比较大哈，可见区域比较丰富，就能比较迅速的识别出来，效果图如下图所示：

核心代码如下所示：

题外话：

本次实验研究的数据集是来自武汉大学王中元老师团队收集的数据，感谢王老师团队的研究成果，大家也可以去多多关注这个Github项目。

虽然说现在很多大公司的戴口罩人脸识别技术已经是非常成熟了，还是想谈谈自己的看法，也是在知乎帖子上看到的一段话，我觉得很有意义，直接摘抄下来了。 @工科初学者

人脸识别如果根本没有足够特征怎么办，一方面必须要求被检测人的脸部图像清晰度很高，至少要600dpi以上，然后用级联网络逐级定位到人眼、眉毛、鼻子这个精确的区间，如果不能只定位这个区域，那么结果在最终分类时准确率会更低。+然后被检人需要频繁的转脸、皱眉、瞪眼、闭眼，将脑门批复，眼周围的皮肤褶皱的变形都计算进来，通过测量眼镜和周围皮肤的相对位移来得到向量，当然这样也是很不准确，但起码有一定的唯一性，不同人在这几种微表情中不可能完全一样。+还需要结合虹膜识别、头发识别等辅助手段一起进行判定。+最终得到的推荐置信度一定很低，大量样本的置信度非常相近导致无法判断身份唯一性，那人脸识别的意义也就没了。