NIST測試顯示人臉識別系統對蒙面人的識別能力越來越強
美國國家標準與技術研究所(NIST)週二公佈的數據顯示,人臉識別算法在識別蒙面人臉方面越來越出色。對150多種不同面部識別算法的獨立測試表明,對於面部識別系統來說,蒙面可能並非是1個大問題。
作為面部識別供應商測試(FRVT)的一部分,供應商自願將其面部識別算法提交給NIST進行測試。在提交每一個算法時,該研究所會滾動公佈這些測試的結果。當NIST在7月份首次研究蒙面對面部識別的影響時,它發現算法在識別蒙面人臉方面並不擅長。不出所料,當鼻子和嘴巴被遮住時,很難辨認出一張人臉。當時,一些算法面對蒙面人臉時,其錯誤率飆升至5%至50%之間。
但新冠疫情流行給了開發者足夠時間來關注蒙面問題,NIST的數據顯示,面部識別算法對蒙面人臉的識別率越來越好,目前錯誤率已經下降到5%左右。NIST的面部識別測試公共排行榜證明了這一說法。現在有八種不同的算法將蒙面識別錯誤率保持在0.05%以下。這八種算法中,有六種是在7月發布第一份報告後提交給NIST的。
目前測試也有局限性,雖然測試借鑒了真實簽證持有者的照片和實際的過境照片,但他們沒有使用蒙面的實際圖像。為了方便起見,NIST的研究人員改用數字方式應用面具,以確保樣本的一致性。因此,測試無法對顏色、設計、形狀、質地、帶子和麵具佩戴方式的無窮變化進行詳盡的模擬。數字面具是一種藍色的外科口罩覆蓋整個臉部寬度的模擬圖像,但測試人員注意到,根據口罩在臉上放置的高度,識別性能差異很大。
作為生物識別出境計劃的一部分,美國在陸地和空中邊境都採用了面部識別技術,將旅客與簽證或護照照片進行比對。NIST的數據來自簽證持有者,特別是那些對移民過程中收集的生物特徵信息沒有隱私權的人。