人臉識別軟件在識別蒙面人臉方面有所改進

最新的NIST測試是第一個衡量大流行到來后提交的軟件性能的測試。在大流行之后創建的一項關于人臉識別技術的新研究表明，一些軟件開發人員在識別蒙面人臉方面取得了明顯進展。

由國家標準與技術研究院(NIST)得出的研究結果在一份名為“正在進行的人臉識別供應商測試(FRVT)第6B部分：使用后算法的口罩的人臉識別準確性”(NISTIR8331)的新報告中進行了詳細說明)。這是該機構第一項衡量大流行到來后開發的人臉識別算法性能的研究。一前一報告從七月探討2020年三月前遞交的算法掩蓋臉部的效果，可以說明該軟件之前大流行往往有更多的麻煩!

蒙面。

“開發人員的一些較新算法的性能明顯優于其前輩。在某些情況下，他們在COVID之前和之后的算法之間的錯誤率降低了10倍，”該研究的作者之一NIST的MeiNgan說。“在最好的情況下，軟件算法在蒙面人臉上的錯誤率為2.4%到5%，與2017年在非蒙面照片上的技術水平相當。”

新研究將65種新提交算法的性能添加到上一輪在蒙面人臉上測試的算法中，提供了152種算法的累積結果。開發人員自愿向FRVT提交算法，但他們提交的內容并未表明算法是否旨在處理口罩，或者是否用于商業產品。

使用與之前相同的620萬張圖像，該團隊再次測試了算法執行“一對一”匹配的能力，即將一張照片與同一個人的不同照片進行比較——這是一個常見的功能用于解鎖智能手機。(該團隊沒有測試算法執行“一對多”匹配的能力——通常用于在大型數據庫中查找匹配項——但計劃在稍后的一輪中進行。)與7月的報告一樣，圖像以數字方式應用了面具形狀，而不是顯示人們戴著真正的面具。

報告的一些發現包括：

當新圖像和存儲的圖像都是蒙面人臉時，錯誤率會更高。除了幾個值得注意的例外，當兩張照片中的人臉都被遮擋時，錯誤匹配率比原始保存的圖像顯示未遮蓋的人臉高10到100倍。智能手機通常使用一對一匹配來確保安全，如果保存的圖像是蒙面人，陌生人成功解鎖手機的可能性要大得多。

口罩覆蓋的人臉越多，算法的錯誤率就越高。延續2020年7月報告的趨勢，圓形面罩形狀(僅覆蓋嘴巴和鼻子)比橫跨臉頰的寬面罩產生的錯誤更少，而覆蓋鼻子的形狀比未覆蓋的面罩產生的錯誤更多。

掩碼顏色會影響錯誤率。這項新研究探索了兩種新面具顏色——紅色和白色——以及7月研究測試的黑色和淺藍色面具的影響。雖然也有例外，但紅色和黑色掩碼的錯誤率往往比其他顏色更高。研究小組沒有調查這種影響的潛在原因。

一些算法對蒙面或未蒙面人臉的任意組合表現良好。一些開發人員創建了“面具不可知”軟件，無論面部是否被屏蔽，它都可以處理圖像。算法自動檢測差異，無需告知。

NIST研究團隊提出的最后一個重要觀點也繼承了以前的研究：個體算法不同。最終用戶需要了解他們選擇的軟件在他們自己的特定情況下的表現，最好使用真實的物理掩碼，而不是團隊在研究中使用的數字模擬。

“系統所有者有責任了解他們的算法和數據，”Ngan說。“在使用實際掩模收集的操作圖像數據上專門測量特定算法的準確性通常會提供信息。”