美国国家科学技术研究院(NIST)是美国商务部的物理科学实验室和非监管机构，今天在一份报告中，研究人员试图评估面部识别算法在部分被防护口罩覆盖的脸上的性能。他们报告说，他们测试的Panasonic，Canon，腾讯和其他公司的89种商业面部识别算法在将数字化应用的蒙版与没有蒙版的同一个人的照片进行匹配时，错误率在5%至50%之间。
NIST计算机科学家，该报告的合著者Mei Ngan在一份声明中说：“随着当前局势的到来，我们需要了解人脸识别技术如何处理蒙面人脸。”“我们从关注当前局势之前开发的算法开始受到戴口罩的受试者的影响开始。今年夏天晚些时候，我们计划测试在考虑到蒙面的情况下故意开发的算法的准确性。”
这项研究是NIST与国土安全部科学技术局，生物识别管理办公室以及海关和边境保护局合作进行的NIST面部识别供应商测试(FRVT)计划系列的一部分，探讨了每个该算法能够执行“一对一”匹配，将一张照片与同一个人的另一张照片进行比较。(NIST指出，这种技术通常用于智能手机解锁和护照身份验证系统中。)研究小组将该算法应用于之前的FRVT研究中使用的约600万张照片中，但并未测试“一对一”多”匹配，用于确定照片中的人是否与已知图像数据库中的任何人匹配。
由于现实世界中的口罩不同，研究人员提出了9种口罩变体进行测试，其中包括形状，颜色和鼻子覆盖范围的差异。数字口罩为黑色或浅蓝色，与蓝色外科口罩的颜色大致相同，而形状则从覆盖鼻子和嘴巴的圆形口罩到与佩戴者面部一样宽的类型不等。较宽的口罩具有高，中和低变型，可不同程度覆盖鼻子。
据研究人员称，蒙面算法的准确性在整体上“显着”下降。使用未掩盖的图像，最准确的算法在大约0.3%的时间内无法对人进行身份验证，并且掩盖的图像甚至将这些顶级算法的失败率提高到了5%，而许多“其他有能力的”算法在20%到50%之间失败的时间。
此外，被遮罩的图像更频繁地导致算法无法处理人脸，这意味着它们无法充分提取特征以进行有效的比较。面罩覆盖的鼻子越多，算法的准确性就越低;准确度随着鼻子覆盖率的提高而降低。与圆形口罩和黑色口罩相比，蓝色口罩的错误率通常较低。并且，虽然误报率上升了，但误报率却保持稳定或有所下降。(假阴性表明眼福两张照片是同一个人的算法，而假阳性表明它错误地标识的两个不同的人的照片之间的匹配。)
“就面罩的准确性而言，我们希望技术会继续改进，” Ngan继续说道。“但是到目前为止，我们获取的数据强调了以前的FRVT测试的共同点之一：各个算法的执行效果不同。用户应该彻底了解他们正在使用的算法，并在自己的工作环境中测试其性能。”
这项研究的结果与今年早些时候的VentureBeat文章一致，该文章发现Google和Apple使用的面部识别算法难以识别戴着口罩的用户。但关键的是，NIST没有考虑到专门账户系统，以确定面具配戴者，如来自中国公司汉王和研究人员与武汉大学附属。在四月份的专栏，东北大学教授伍德罗Hartzog特点口罩作为临时技术速度碰撞，不会在当前局势的年龄增加面部识别使用的方式站立。像Clearview AI这样的公司已经在试图将面部识别卖给州政府，目的是为了跟踪感染了当前局势的人。
也许认识到这一点，NIST计划在今年夏天测试考虑到面罩创建的算法，并进行一对多搜索和其他变体形式的测试。
