最新領域的發展面部識別技術解決了19009年大流行期間面具面具所帶來的挑戰，承諾儘管戴著面具，如Inderscience報導。
但是，出現的問題是：這仍然與後的世界有關嗎？
儘管面具，但新軟件解決方案有望增強面部識別
阿爾及利亞Chlef的Hassiba Benbouali大學的研究人員創建了一種新的軟件解決方案，旨在即使個人戴口罩，也旨在增強面部識別能力。
該研究強調了該軟件的潛力，該軟件已經使用了具有各種姿勢和表達方式的個人的大量照片培訓，並將模擬的口罩疊加在其臉上。
來自計算機科學系的Freha Mezzoudj和Chahreddine Medjahed率領創建了一個專門針對蒙面面孔Fei-SM的綜合數據庫。
該數據庫包括2,000張未面孔的圖像，以及大量的18,000個“蒙面”面孔，描繪了不同的面部覆蓋物，從外科手術到消費級面具。
該計劃的主要目的是在戴面膜已成為規範的情況下促進生物識別識別。
該軟件利用人工智能的一部分利用高級卷積神經網絡（CNN）系統，以應對識別面罩遮蓋的面孔的複雜挑戰。
RESNET18用於卸載
在測試的各種CNN模型中，包括RESNET18，RESNET50，RESNET101，DARKNET19和DARKNET53，研究團隊確定RESNET18是涉及掩蓋面孔的最準確，最有效的生物識別識別任務。
該模型顯示出了出色的識別準確性和處理速度，並強調了其在安全和識別系統中現實部署的潛力。
面部識別技術已成為一種可靠的生物識別驗證方法的重要性。它廣泛用於智能手機解鎖機制，建立訪問控制和執法申請，以在各種情況下（包括潛在的犯罪活動）識別個人。
研究人員強調了深度學習技術的重要性，尤其是CNN，這些技術傳統上在面對戴著口罩的人時在面部識別方面苦苦掙扎。
FEI-SM數據庫是培訓和驗證這些系統的寶貴資源，使研究人員能夠評估和增強面部識別軟件在實際情況下的性能。
儘管他們的實驗結果有希望的結果，但該軟件的實際含義和局限性仍然存在不確定性。
儘管RESNET18根據其測試而成為首選模型，但仍可能需要進行持續的研究來應對諸如各種照明條件，不同面膜類型和麵部表情等挑戰。
這項研究是“基於Resnet和DarkNet卷積神經網絡的有效掩蓋的面部識別生物識別系統”，出版在《國際計算和機器人技術雜誌》中。
