手机网站
手机网站
经济网络信息泛滥的情况下，对于企业来说，如何保障每一位员工重返工作岗位后的健康？
2年11月21日，国务院联防联控机构发布的《企事业单位复工再生产传染病防治措施指南》要求暂停使用指纹考勤机，并采用其他方式对出入境人员进行登记。似乎刷牙和进入大门的非接触方式已经成为这个特殊时期的首选。但是，摘掉口罩、擦脸、不定期戴口罩，甚至不戴口罩，无异于为疫情埋下温床，为员工健康埋下隐患。
是协助安全恢复工作和劳动。JD.com一直专注于人脸检测、人脸识别等技术，以实现实时检测戴面具的人脸，及时检测不戴面具或戴面具不正确的人，以及语音提醒。在此基础上，JD.com还增强了人脸可见区域的人脸识别鲁棒性，并为企业应对恢复工作和劳动建立了首个数字技术防疫屏障。在
的蒙版场景中，人脸检测的准确率超过99.87%。
Centerface是一款由数字科学部开发的轻量级人脸检测器，可以同时预测人脸框架和地标的位置，速度和精度都非常出色。JD.com提出的方法通过将人脸检测和对齐转换成标准的关键点估计问题，克服了以前基于锚点的方法的缺点。实验结果表明，中心人脸能够以较小的模型尺寸实现实时快速和高精度，是大多数人脸检测和对齐应用的理想选择。对于戴面具场景中的人脸遮挡，JD.com在已有的宽脸数据集上添加了面具遮挡数据集进行训练，大大提高了模型的鲁棒性目前，面具场景下的人脸检测算法准确率超过99.87%，召回率超过98.3%
中心面可有效识别各种面罩佩戴情况
面罩属性识别
目前，数字科学部对面罩可能覆盖眼睛下方的部分进行特征学习算法优化。它能有效地检测和识别员工刷脸和进入大门的三种情况，包括正常戴口罩、非标准戴口罩和不戴口罩，并能在正常拍摄角度(如门禁)和大角度复杂场景(如监控)下实现不丢失准确性同时，市场上的各种口罩都可以判断，平均召回率超过99%
带面具的人脸识别
为了解决目前戴面具人群的面部大规模遮挡带来的挑战，JD.com部门从算法和数据的角度对戴面具人群的人脸识别技术进行了模型优化和用户体验升级:
在算法层面引入了注意机制，增加了鼻子以上特征的训练权重。它使模型更加关注非遮挡人脸区域，尽可能减少各种风格的遮罩带来的干扰。此外，还表明引入局部人脸区域来提取人脸特征，并融合到全局人脸特征中。
算法层引入注意机制，在数据层优化
，JD.com在数据集上添加各种面具模板，模拟戴面具的真实场景，使得传统的人脸识别模型能够很好地移植到戴面具的场景。上述两个方面的优化将提高面罩佩戴场景中人脸识别的通过率，使其接近常规人脸识别的通过率。
在应用场景中，人脸识别技术可以调用传统的识别模型检索寄存器或基于用户是否佩戴面具的判断为面具场景优化的识别模型检索寄存器，以最大化人脸识别的通过率对于安全要求极高的场景，可以根据屏蔽判断结果，筛选出戴面具或被面具严重屏蔽的人员，并进一步引导其进行其他方式的辅助身份验证。
不戴口罩，门口会有语音提示。
人脸识别技术已广泛应用于各种企事业单位、智能公园、社区、学校、建筑等场景的人脸识别考勤、门禁和门禁。以JD.com开发的面刷门机为例。人脸识别考勤机上的摄像头能够准确提取采集图像的特征数据，并与系统中照片的特征数据进行比较。它可以快速、轻松地识别“自己的人”。对于不戴口罩的人员，还可以通过语音提示指导正确佩戴口罩，同时提醒值班防疫人员，实现主动防疫控制，实现24小时全天候监控。该技术也可用于泛安全和客流识别产品
近年来，人脸识别技术已经从单一模态逐步进入多模态的新阶段。JD.com自主研发的多模态人脸活体解剖算法已经通过了人脸采集、图像质量分类、活体解剖能力等多项测试。在检测中，可以有效拦截不同环境条件下的“假脸”攻击。最近，该算法正式通过了国家金融IC卡安全测试中心——银行卡测试中心(BCTC)的技术认证，达到了国家认证的金融支付级安全标准。经过BCTC测试，JD.com多模态人脸活体解剖算法的真人识别准确率达到99.8%，二维和三维头部模型的攻击拦截准确率达到100%这意味着JD.com已经成为由银行卡检测中心认证的人脸识别算法的制造商。
