UAI-Censo人脸口罩检测服务将在疫情防控监督方面发挥重要作用

疫情当前，戴口罩已成为出行必备的防护措施。近日，UCloud AI团队依托于原有的口罩检测医疗项目，借助于UAI-Train AI训练平台的简单易用和UAI-Inference平台的快速服务部署能力，在一周时间内快速完成了人脸口罩精细分类算法的研发、上线。

目前，该算法实现了是否佩戴口罩判断准确率99%，以及是否规范佩戴口罩判断准确率95.1%的较好效果。同时，为了方便用户将口罩检测集成到自己的系统中，口罩检测API服务已完成在线部署，并集成在UAI-Censor产品中。

UAI-Censor是UAI团队推出的内容审核产品，依托UCloud底层云服务，基于海量训练数据，并结合深度学习识别技术，提供99.9%的服务稳定性保障。UAI-Censor本次新增的人脸口罩检测服务将在公共场所的疫情防控监督方面发挥重要作用，比如，可以快速定位暴露在风险中的未戴口罩人员具体位置信息，通知工作人员快速前往处理，降低群众感染风险；在企事业单位的办公楼管理方面，集成了口罩检测的闸机门禁，可以将未戴口罩的人挡在办公区域以外，保障办公区域的安全。

人脸口罩检测服务的算法实现

人脸口罩检测场景传统的做法是采用人脸检测+图像分类的方式，该方法需要大量的场景数据来保证算法的泛化能力。UAI团队摒弃传统的检测+分类的模式，采用基于精准的人脸检测算法+人脸关键点定位算法+口罩实例分割算法的方案，对是否规范佩戴口罩作出精准判断，既保证了准确率，也提高了算法的泛化能力。

本次算法的目标是通过AI算法自动从摄像头采集的图片中识别出是否有人脸、是否佩戴口罩以及口罩是否佩戴规范。一般的算法研发流程，主要包括3个部分：数据准备、模型开发训练、服务部署。其中模型训练、服务部署可以使用一些简单易用的PaaS产品，如UCloud的AI训练服务UAI-Train和AI在线服务UAI-Inference。因此，主要难点是由于AI需求一般对数据量的要求比较高，对于这次紧急的新算法需求，数据准备成为较大的瓶颈。
       责任编辑：tzh