面罩搞砸了面部識別軟體

眾所周知，口罩可以阻止冠狀病毒的傳播。顯然，它們也使面部識別軟體也很難識別您。

這是周一美國國家標準與技術研究院（NIST）的聯邦研究人員發布的一份新報告的主要發現，該機構是美國商務部的一個分支機構，其職能包括測量公司和研究人員的面部識別算法的準確性提交實驗室。
根據一項任務，當將戴有數位化面罩的人的照片與沒有照片的人的另一張照片進行匹配時，最準確的面部識別算法在5％到50％的時間內無法正確匹配。那個報告。NIST的計算機科學家，報告的作者Mei Ngan告訴CNN Business，總體而言，測試的大多數算法的失敗率在20％到50％之間。

美國議員提議在全國範圍內禁止面部識別

識別問題是有道理的，因為面部識別系統通常通過比較一個圖像中的不同面部特徵與另一圖像中的面部特徵之間的測量來工作。遮住面部的一部分意味著該軟體可用於進行匹配的信息較少。

• 
  

它凸顯了隨著大流行繼續發展，科技行業已經在努力應對的獨特挑戰。儘管該技術存在爭議，但最近有多家公司重新考慮將該技術提供給執法部門，但該技術已用於各種產品和服務，從用臉解鎖智慧型手機到通過安全檢查站。

在他們的報告中，研究人員創建了九種不同的 黑色和淺藍色蒙版形狀，以說明現實世界中蒙版形狀的變化方式，並使用它們在照片中隱藏人臉的一部分。然後，他們將每個人的數位化蒙版照片與同一個人的另一個未蒙版照片進行了比較。他們還對兩組沒有虛擬遮罩的照片進行了算法測試。

NIST測試了各種不同的口罩形狀。

他們總共對超過600萬張具有100萬不同人物的照片測試了89種算法。這些照片來自兩個來源：被用作未遮蓋圖像的美國移民福利申請，以及經過邊境進入美國的旅行者照片，並帶有數字遮罩。

NIST發現，在3月中旬之前提交給實驗室的這些算法中，最好的算法在不使用數字掩模的情況下對這些相同的照片集進行測試時，失敗的時間僅為0.3％。但是，在啟用數字掩碼的情況下，這些相同算法中的錯誤率攀升至5％。

該報告的明顯缺點是NIST並未在戴著口罩的人的圖像上測試該算法-Ngan表示，由於時間和資源的限制，使用了口罩的數字近似值。從好的方面說，它使研究人員可以快速了解面具對算法的影響，但實際面具對不同人的適合程度不同。仍然未知紋理或圖案如何影響面部識別軟體的準確性。

恩甘說：「這是我們要看的東西。」

這可能是美國第一個已知的涉及面部識別的錯誤逮捕

一些公司表示他們的面部識別技術可以與口罩配合使用，而Ngan表示，她從開發人員那裡聽到了消息，他們正在致力於實現該目的的算法-可能是通過訓練帶有戴有實際口罩的人的大量圖像的算法，或者通過瞄準鼻子中央上方的臉部區域。

• 
  

這是卡耐基梅隆大學（Carnegie Mellon University）教授研究生物識別的Marios Savvides的重點。他說，戴著口罩的人對於面部識別系統基本上是不可見的，因為它甚至根本不會檢測到面部。他認為，包括眼睛和眉毛在內的臉部區域隨著時間的流逝變化最小，這在嘗試識別嘴巴和鼻子被遮掩的人時，使其成為臉部很好的一部分。

NIST報告是該實驗室計劃發布的有關面部識別算法如何識別被遮蓋的面部表情的第一份報告。恩根說，秋天，美國國家標準與技術研究院（NIST）希望發布一份有關算法準確性的報告，該算法是專門為發現人們戴著口罩而設計的。