以百度、滴滴为首，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，公众号后台回复“test”即可获取该测试集）。

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）。

中国互联网发展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！

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。