如今戴口罩成為了全民標配，與此可以同時，口罩的使用也帶來了發展諸多因素不便之處，尤其是在手機進行解鎖、支付、打卡、車站檢票等需要通過人臉識別做支持的場景中。

在“刷臉時代”，帶口罩的人臉識別成了大問題，傳統的人臉進行識別技術算法，已經發展無法hold住這種大面積遮擋情況。

 

主要難點：

1.口罩“封閉”了半張臉，直接失去了大量的面部特征。

2.短期內無法進行收集大量戴口罩人臉圖像，算法難度大

3.人臉識別系統包括檢測、跟蹤和識別等多個模塊，這些模塊對人臉識別有很大的影響。

 

戴口罩無法進行精準有效識別人臉目前是各刷臉場景中的一大痛點，刷臉支付也因此發展受到了影響極大的沖擊，刷臉支付服務代理商普遍問題反映企業交易流水出現斷崖式下跌。

我們優卡特的人臉識別技術，即使帶有口罩也能準確識別一個人的臉部，而且這項技術也已經應用到我們的臉刷設備上。

 

戴口罩使用支付：戴口罩刷臉，點擊確認，完成支付。

這項研究技術省去了人們摘下口罩再刷臉的麻煩，更適應我們現在無接觸的社會發展環境設計要求，同時也提升了刷臉支付的便捷性。

但也有人表示擔憂：戴口罩能通過人臉識別，是否意味著刷臉技術的安全性下降，如果長相相近的人冒充刷臉怎么辦？

技術團隊已經可以考慮到了我們這個社會問題，并且在技術上實現了提升。

 

首先，為了解決如何檢測出大量缺失人臉特征的問題，工程師們使用了基于空間位置的注意機制特征學習，使算法更加注重眼睛區域的特征學習。這樣一來，就能將人們因為佩戴口罩、帽子等所帶來的信息數據丟失降到最低，也就能得到充分利用獲取戴口罩人臉的身份管理信息。

其次就是針對不同算法進行訓練難度大的問題，工程師們采用了一種基于人臉關鍵點的3D圖像信息融合發展技術，不僅能解決人臉姿態變化帶來的口罩變形和遮擋問題，還可以通過生成更加具有自然、真實的照片。

最后我們針對人臉進行識別信息系統各模塊設計之間的問題，工程師們做了一系列的優化，用大量的算法可以訓練提升了人臉識別技術效果，識別準確率達99％以上。

但僅僅從理論上解決這個問題是不夠的，重要的是把它應用于迫切需要它的情況。

其實，這項技術發展已經投入到了現實生活場景中。顧客可以使用刷臉設備進行支付，而且不需要摘下口罩就可以輕松完成付款。

疫情可能只是刷臉支付上升道路上的一個小插曲。刷臉技術的工程師們，借助疫情發展機遇，積極進行研發能力提高學人臉識別率的技術，恰恰說明了刷臉支付將會在支付史的時間軸上變得更強。