随玉腾，阎志远，戴琳琳，景 辉

（1.北京经纬信息技术有限公司，北京 100081；2.中国铁道科学研究院集团有限公司 电子计算技术研究所，北京 100081）

人脸识别技术经不断发展，已广泛应用于支付、身份核验等多种场景。从图像中快速、准确检测到人脸是人脸识别的基础，识别的准确率受到人脸质量的影响，其中，人脸遮挡是影响较大的一个因素。当旅客佩戴口罩、墨镜等出行时，人脸信息被严重遮挡，这对铁路实名制进站核验系统的人脸算法提出了挑战[1]。现有人脸检测算法存在遮挡人脸检出率低，不能区分出人脸有无遮挡的问题。且在遮挡情况下，人脸识别算法不能快速、有效完成人脸识别，造成进站闸机识别通过率下降，导致旅客进站时间增长等情况，影响旅客出行体验。因此，在人脸检测算法中添加对遮挡类型（墨镜、口罩等）和遮挡程度的判断功能，从而对不同遮挡类型和不同遮挡程度的人脸进行分别处理，提高算法的识别成功率和可靠性。

由于进站闸机设备计算能力有限，对人脸算法要求更轻量、高效、多功能，需要一种计算开销较小、同时满足多任务识别的算法。目前常用的检测算法主要有：双阶段目标检测的R-CNN[2]系列算法，使用区域建议网络生成一系列候选区域，对这些候选区域进行更细致的边框回归和分类，精度较高但是推理速度较慢；单阶段目标检测的YOLO[3]（You Look Only Once）算法，将图像分为多个小的区域，并在每个小区域上使用不同形状和大小的目标框进行回归，推理速度较快，但存在小物体检测能力较差等精度问题；……