最新领域的发展面部识别技术解决了19009年大流行期间面具面具所带来的挑战，承诺尽管戴着面具，如Inderscience报道。
但是，出现的问题是：这仍然与后的世界有关吗？
尽管面具，但新软件解决方案有望增强面部识别
阿尔及利亚Chlef的Hassiba Benbouali大学的研究人员创建了一种新的软件解决方案，旨在即使个人戴口罩，也旨在增强面部识别能力。
该研究强调了该软件的潜力，该软件已经使用了具有各种姿势和表达方式的个人的大量照片培训，并将模拟的口罩叠加在其脸上。
来自计算机科学系的Freha Mezzoudj和Chahreddine Medjahed率领创建了一个专门针对蒙面面孔Fei-SM的综合数据库。
该数据库包括2,000张未面孔的图像，以及大量的18,000个“蒙面”面孔，描绘了不同的面部覆盖物，从外科手术到消费级面具。
该计划的主要目的是在戴面膜已成为规范的情况下促进生物识别识别。
该软件利用人工智能的一部分利用高级卷积神经网络（CNN）系统，以应对识别面罩遮盖的面孔的复杂挑战。
RESNET18用于卸载
在测试的各种CNN模型中，包括RESNET18，RESNET50，RESNET101，DARKNET19和DARKNET53，研究团队确定RESNET18是涉及掩盖面孔的最准确，最有效的生物识别识别任务。
该模型显示出了出色的识别准确性和处理速度，并强调了其在安全和识别系统中现实部署的潜力。
面部识别技术已成为一种可靠的生物识别验证方法的重要性。它广泛用于智能手机解锁机制，建立访问控制和执法申请，以在各种情况下（包括潜在的犯罪活动）识别个人。
研究人员强调了深度学习技术的重要性，尤其是CNN，这些技术传统上在面对戴着口罩的人时在面部识别方面苦苦挣扎。
FEI-SM数据库是培训和验证这些系统的宝贵资源，使研究人员能够评估和增强面部识别软件在实际情况下的性能。
尽管他们的实验结果有希望的结果，但该软件的实际含义和局限性仍然存在不确定性。
尽管RESNET18根据其测试而成为首选模型，但仍可能需要进行持续的研究来应对诸如各种照明条件，不同面膜类型和面部表情等挑战。
这项研究是“基于Resnet和DarkNet卷积神经网络的有效掩盖的面部识别生物识别系统”，出版在《国际计算和机器人技术杂志》中。
