面部識(shí)別技術(shù)正在不斷改進(jìn)，但對于現(xiàn)有面部識(shí)別系統(tǒng)而言，如果被識(shí)別者的面部存在故意遮擋，比如貼上假胡子或者戴著大墨鏡，那識(shí)別起來還是非常困難。不過現(xiàn)在，印度國家理工學(xué)院和科學(xué)研究所聯(lián)合英國劍橋大學(xué)開發(fā)出了一套更新的面部識(shí)別架構(gòu)，可用來識(shí)別被遮擋的人臉。

“即便一個(gè)人的面部存在偽裝，這套系統(tǒng)依然能夠進(jìn)行身份識(shí)別，”劍橋大學(xué)的Amarjot Singh介紹道，“它可以用來識(shí)別試圖擺脫執(zhí)法部門追蹤的犯罪分子。執(zhí)法部門對于偽裝面部識(shí)別（DFI）所存在的挑戰(zhàn)和問題很感興趣，因?yàn)檫@項(xiàng)技術(shù)可以幫助他們識(shí)別罪犯。”

在工作時(shí)，這套基于深度學(xué)習(xí)的系統(tǒng)會(huì)去識(shí)別人臉的14個(gè)關(guān)鍵區(qū)域，其中有10個(gè)在眼鏡周圍，3個(gè)在嘴唇附近，還有1個(gè)在鼻子上。即便這些部分以某種方式被遮擋，系統(tǒng)也能夠識(shí)別出它們，然后將讀數(shù)和圖像數(shù)據(jù)庫進(jìn)行比對來尋找匹配。

在早期測試當(dāng)中，這套系統(tǒng)在識(shí)別被帽子或圍巾遮擋的面部上面準(zhǔn)確率達(dá)到了56%。可如果被識(shí)別者戴上眼鏡，那準(zhǔn)確率會(huì)下降到43%。這種程度的準(zhǔn)確率讓系統(tǒng)在短時(shí)間內(nèi)還無法作為法庭證據(jù)使用，但它的確可以幫助警方縮小搜索范圍。

“在我看來，這是第一套能夠以足夠高的準(zhǔn)確率解決DFI問題的AI系統(tǒng)，”Singh繼續(xù)說道，“團(tuán)隊(duì)所開發(fā)的數(shù)據(jù)集對于解決問題是非常關(guān)鍵的，我們也希望更多的研究者可以使用它開發(fā)出強(qiáng)大的AI模型，來提高識(shí)別的準(zhǔn)確率，或是對數(shù)據(jù)集進(jìn)行擴(kuò)展。”

接下來，研究團(tuán)隊(duì)將嘗試降低這項(xiàng)技術(shù)對于計(jì)算機(jī)性能的需求，然后再將其部署在攝像頭當(dāng)中來觀察它的實(shí)際工作表現(xiàn)。