May, 2024

面具人脸的综合调查：识别、检测和解脱面具

PDF
TL;DR面罩脸部识别（MFR）是生物识别中的关键领域，尤其是全球 COVID-19 疫情导致广泛戴口罩。本综述论文对具有面罩的个体识别和检测中的挑战和进展进行了全面分析，这一领域由于需要适应新的社会规范而发生了创新的变化。通过深度学习技术的先进和面蒙面识别（FMR）以及面部去蒙面（FU）代表着重要的研究领域。这些方法解决了由完全到部分遮挡面部特征所带来的独特挑战。我们综合审查了针对 MFR、FMR 和 FU 开发的各种基于深度学习的方法，突出了它们的独特挑战和应对方法。此外，我们还探讨了专门用于评估 MFR 研究性能的基准数据集和评估指标。该综述还讨论了研究人员在这一领域面临的重大障碍，并提出了未来进一步发展更稳健有效的面罩脸部识别系统的方向。本文为研究人员和从业者提供了宝贵的资源，洞察了面对全球卫生危机及其后果时面部识别技术的演变景观。
masked face recognitionbiometric identificationdeep learning techniquesface mask recognitionface unmasking
发现论文，激发创造
  • 面罩识别挑战赛: InsightFace Track 报告

    本研究针对戴口罩的情况下进行深度人脸识别的挑战，收集不同群体的测试集，建立了一套在线模型测试系统并持续更新排名和研究成果。

    Aug, 2021

  • 蒙面人戴口罩

    本研究探究了配备口罩检测器的现代人脸识别系统在大规模戴口罩时的潜在漏洞，并提出了一种新的任务 —— 生成逼真的对抗性口罩面孔以欺骗两个系统，经过实验后发现对近期的深度学习人脸识别系统来说具有破坏性。

    Jan, 2022

  • 用于安全认证的蒙面人脸识别

    本文提出了一种使用实时口罩检测来增强人脸识别系统的现有数据集的方法，并利用 MaskTheFace 工具创建大量实时口罩数据集以及使用处理后的数据集提高了 FACENET 及在实际数据集 MFR2 上的识别率。

    Aug, 2020

  • 利用多焦点空间注意力进行口罩人脸识别的定位

    本文提出的口罩人脸识别方法 (CAL and MFSA) 通过训练补充空间注意力集中于口罩区域和背景区域，并提取掩蔽不变特征的方式，在不影响传统人脸识别性能的前提下，提高了口罩人脸识别的准确性。

    May, 2023

  • 人脸口罩识别数据集和应用

    本文提出了三种不同类型的口罩脸识别数据集，以提高口罩脸识别技术的识别性能，并开发了多粒度口罩脸识别模型，其准确率可达 95％，超过行业报道的结果。

    Mar, 2020

  • 面部遮蔽识别的大规模研究

    COVID-19 疫情期间，佩戴口罩给基于深度学习的人脸识别算法带来了巨大的挑战。本文在 ICCV MFR WebFace260M 和 InsightFace 非约束场景两个赛道中提出了解决方案，关注了规模庞大的口罩人脸识别中的四个挑战，即超大规模训练、数据噪声处理、口罩和非口罩人脸识别准确性平衡以及如何设计易于推理的模型架构。我们希望本文对这四个方面的讨论能够指导未来研究朝着更强大的口罩人脸识别系统发展。

    Oct, 2023

  • 遮挡人脸数据集生成与遮挡人脸识别

    在后疫情时代，面对戴口罩给普通人脸识别带来的巨大挑战，研究人员使用预训练的 VGG16 和 ResNet50 模型提取特征，并创建了一个更具挑战性的带口罩人脸数据集，通过选择 50 个身份从 Labelled Faces in the Wild (LFW) 数据集中提取的 1702 张图像并模拟口罩。研究的另一部分是解决带口罩人脸识别问题，通过在新数据集上微调模型，并直接使用最后一层线性层进行分类，提出了数据增强策略来进一步提高测试准确率，同时还使用了 Inception ResNet v1 等新型网络进行微调。在 50 个身份的带口罩人脸识别测试中，最佳准确率达到 95%。

    Nov, 2023

  • 面具掩面：探究口罩遮挡的人脸再识别偏见

    基于人工智能的人脸识别系统在全球范围内被广泛分发和部署，尤其在 COVID-19 大流行之后，用于从验证购买 SIM 卡的个人面孔到对公民的监视等任务。在这项研究中，我们对 14,722 张图像的五个基准数据集进行了模拟的验证 / 监视任务，审核了四个商业和九个开源人脸识别系统，测试不同类型的有口罩和无口罩图像之间的面部再识别。结果发现大约三个商业系统和五个开源系统非常不准确，并且进一步加剧了对非白人个体的偏见。这表明系统设计者、立法者和用户需要重新思考人脸识别系统的设计原则，特别是在面部再识别任务中，认识到观察到的偏见问题。

    Feb, 2024

  • 借助机器学习算法进行遮面人脸识别的探索性研究

    本文介绍了一项关于带口罩可识别面部的研究，通过使用 6 种机器学习算法并生成遮面脸部图像，我们评估了这些算法在带口罩和不带口罩的情况下的识别表现。

    Jun, 2023

  • 监控人脸识别挑战赛

    介绍了 QMUL-SurvFace benchmark，提供了低分辨率监控图像的面部识别挑战，利用五个具有代表性的深度学习面部识别模型进行了评估，结果表明目前的技术仍然远不能满足实际的刑事犯罪调查需求。

    Apr, 2018