疫情當前，戴口罩已成為出行必備的防護措施。近日，UCloud AI團隊依託於原有的口罩檢測醫療專案，藉助於UAI-Train AI訓練平臺的簡單易用和UAI-Inference平臺的快速服務部署能力，在一週時間內快速完成了人臉口罩精細分類演算法的研發、上線。

目前，該演算法實現了是否佩戴口罩判斷準確率99%，以及是否規範佩戴口罩判斷準確率95.1%的較好效果。同時，為了方便使用者將口罩檢測整合到自己的系統中，口罩檢測API服務已完成線上部署，並整合在UAI-Censor產品中。

UAI-Censor是UAI團隊推出的內容稽核產品，依託UCloud底層雲服務，基於海量訓練資料，並結合深度學習識別技術，提供99.9%的服務穩定性保障。UAI-Censor本次新增的人臉口罩檢測服務將在公共場所的疫情防控監督方面發揮重要作用，比如，可以快速定位暴露在風險中的未戴口罩人員具體位置資訊，通知工作人員快速前往處理，降低群眾感染風險；在企事業單位的辦公樓管理方面，集成了口罩檢測的閘機門禁，可以將未戴口罩的人擋在辦公區域以外，保障辦公區域的安全。

人臉口罩檢測服務的演算法實現

人臉口罩檢測場景傳統的做法是採用人臉檢測+影象分類的方式，該方法需要大量的場景資料來保證演算法的泛化能力。UAI團隊摒棄傳統的檢測+分類的模式，採用基於精準的人臉檢測演算法+人臉關鍵點定位演算法+口罩例項分割演算法的方案，對是否規範佩戴口罩作出精準判斷，既保證了準確率，也提高了演算法的泛化能力。

本次演算法的目標是通過AI演算法自動從攝像頭採集的圖片中識別出是否有人臉、是否佩戴口罩以及口罩是否佩戴規範。一般的演算法研發流程如圖1所示，主要包括3個部分：資料準備、模型開發訓練、服務部署。其中模型訓練、服務部署可以使用一些簡單易用的PaaS產品，如UCloud的AI訓練服務UAI-Train和AI線上服務UAI-Inference。因此，主要難點是由於AI需求一般對資料量的要求比較高，對於這次緊急的新演算法需求，資料準備成為較大的瓶頸。