近日，NIST在一份報告中指出，新冠病毒大流行以來，蒙面（戴口罩）人臉識別的準確性已經大幅提升。
「來自開發人員的一些較新算法在性能上比之前的要好得多。有些新算法的準確性比舊算法提高了10倍。」該研究的作者之一NIST的Mei Ngan透露。
「在理想情況下，新的人臉識別軟體算法識別戴口罩面部的錯誤率在2.4％到5％之間，這已經達到了2017年人臉識別（不戴口罩）的準確性。」
NIST的這項新研究增加了65種新提交的算法的性能，算上上一輪已經測試過的算法，已經提交的戴口罩人臉識別算法數量已經達到152種。
開發人員自願向FRVT提交了算法，但是他們在提交時並未表明算法是專門用於處理口罩面部識別，還是用於商業產品。
NIST的團隊使用與以前相同的620萬張圖像，再次測試了新算法執行「一對一」匹配的能力，包括將一張（戴口罩的）照片與同一個人的另一張（不戴口罩的）照片進行比較。通常該功能用於戴口罩解鎖智慧型手機。
（該團隊並未測試算法執行「一對多」匹配的能力，這通常用於在大型資料庫中查找匹配項，團隊表示將在以後的測試中進行）與7月份的報告一樣，這些測試圖像使用了口罩形狀的數字蒙版，而不是實際戴著口罩的照片(上圖)。
值得注意的是，當兩張照片中的面部都被（口罩）遮擋時，匹配率錯誤率要比其中一張不戴口罩的情況高出10到100倍。
NIST人臉識別新算法測試報告中的其他一些亮點發現如下。
延續2020年7月報告中的趨勢，圓形口罩形狀（僅覆蓋嘴巴和鼻子）產生的識別錯誤要比橫跨臉頰的寬口罩產生的錯誤少，而覆蓋鼻子區域產生的誤差要比不覆蓋更大。
這項新研究探索了兩種新口罩顏色（紅色和白色）以及7月份測試過的黑色和淺藍色口罩的效果。結果發現，紅色和黑色口罩往往會比其他顏色產生更高的錯誤率。研究小組沒有調查這種影響的潛在原因。
一些開發人員已經開發出了「面罩無關」的軟體，算法無需通知即可自動檢測到戴口罩和不戴口罩的差異。
研究團隊提出的最後一個重要意義也來自以前的研究：各個算法不同。最終用戶需要了解自己選擇的軟體在特定情況下的性能，理想情況下，應該使用真實的物理口罩而不是研究團隊使用的「數字蒙版」進一步測試準確性。