“我们从算法模型上突围，采用眼部、眉毛等局部特征与整体人脸特征的融合，并结合注意力机制增强眼部特征，通过训练眼部关键点的模型，来提升模型在口罩遮挡下的人脸识别率。”赵阳说，在人脸遮挡环境下，可通过识别眼部关键点作为一种“注意力模型”，快速扫描全局图像，获得需要重点关注的目标区域眼部，并形成注意力焦点。“而后对眼部这一区域投入更多注意力资源，以获取更多所需要关注目标的细节信息，而抑制其他无用信息。”

　　采用同样的原理，在算法层面，针对基于人脸全局特征及局部特征相结合的方法，可优化现有人脸识别算法模型，当人面部出现其他遮挡时，也同样能够精准鉴别。“如戴安全帽进入施工项目时，人脸识别依然有效，就是这么实现的。”赵阳说，当前通过大量训练数据，戴口罩或戴安全帽人脸识别率可达到99.9%。

　　除了能够精准识别出戴口罩的人，该实验室人脸识别系统还特别增加了口罩与安全帽检测和提示功能，以保障工程建设人员的安全。“这是与同类技术相比，我们技术成果的特色所在。”赵阳说，当开启口罩与安全帽检测功能时，设备配有没戴口罩自动语音提示；若没戴安全帽，采集设备上则会出现“请佩戴安全帽！”提示。

　　“主要是升级了后台的算法，其次是尽可能小地对硬件系统做了改进，最终实现了多项新功能的添加。”赵阳说。

　　信息增值 挖掘数据背后的价值

　　其实在疫情暴发前，面部遮挡障碍的人脸识别技术，已有不同程度应用。如在安防领域，大多数犯罪嫌疑人为了躲避“天眼”等监控设备追踪，往往会戴上帽子或口罩，这时候更精准化的人脸识别便可以帮助更好地破案。

　　“针对越来越多的不同识别情况，一些科研人员正从硬件上想办法，通过添置硬件设备，增加新的功能。”赵阳说，高精度识别也是对大数据的深入挖掘。“在当前硬件技术条件下，对现场采集的数据进一步挖掘，可以短时间内实现更多功能。”

　　他提出，高清监控摄像机采集的图片、视频信息，经过后台分析，在不改变原有设备情况下，通过技术的提升，能够实现身份识别、安全帽佩戴检测、反光衣穿戴识别、车辆信息状态展示、危险源管理、安全区划分等，真正实现信息增值、硬件降成本。

　　“这种挖掘能力进步后，举个简单例子，在未来我们或许不再看到道路上如小鸟卧枝头一样密密麻麻的电子眼，一个监控设备加上高超的识别算法能力，就能解决所有需求。”赵阳说。

　　为让新的智慧工地平台系统持续适用于更加复杂的场景应用，赵阳团队还将进一步进行技术创新。“下一步计划丰富后台管理功能，增加工地防反光背心检测等其他识别功能，同时开发系统接口，使其可无缝衔接当前的人力资源管理系统等，使人员一次打卡、网络通用。”赵阳说。