NIST测试显示大流行前开发的面部生物特征识别算法的准确性因面罩而降低

发布时间：2020-07-28 作者：未知

　　腾佑AI人工智能持续为大家分享基于生物识别技术的人脸识别的国际资讯：NIST测试显示大流行前开发的面部生物特征识别算法的准确性因面罩而降低

　　面部识别可以识别戴着口罩的人

　　自从COVID-19大流行开始以来开发的生物特征面部识别算法可能比传统算法能够更好地识别戴着口罩的人，但是根据美国国家半导体的最新测试，即使以前开发的最好的人也“困难很大”。标准技术研究所。

　　NIST针对“进行中的面部识别供应商测试（FRVT）第6A部分：使用COVID-19之前的算法使用面罩进行面部识别的准确性”测试了89种商业面部识别算法。在使用数字应用面罩进行测试时，即使是最好的算法，一对一匹配的错误率也介于5％和50％之间。

　　研究小组提出了九种黑色或蓝色外科口罩的口罩，其中一些口罩仅覆盖“佩戴者”的嘴和鼻子，而一些口罩覆盖整个下脸。

　　报告的作者之一NIST计算机科学家Mei Ngan说，该测试是由大流行引起的，该组织计划在夏季晚些时候测试考虑到口罩的新算法。

　　Ngan指出：“我们可以从结果中得出一些广泛的结论，但有一些警告。”“这些算法都不是设计用来处理口罩的，我们使用的口罩是数字创作的，而不是真实的东西。”

　　在每种情况下，算法的准确性都会大幅下降。虽然使用未遮盖脸部的性能最高的算法在大约0.3％的时间内失败，但对于被数字遮罩遮盖的脸部，其失败率接近5％。许多“其他有能力的”算法在20％到50％的时间内失败。蒙版图像还会由于“无法注册或模板化”而导致算法根本无法处理面部。

　　根据NIST对低，中和高水平鼻子覆盖的比较，佩戴者的鼻子暴露多少会极大地影响准确性。面罩的形状和颜色也有显着差异，蓝色面罩或圆形面罩的性能下降较少。时间和资源的限制使NIST无法深入测试色彩效果。

　　更令人鼓舞的是，虽然假阴性增加了，但假阳性却稳定了，甚至有所下降。

　　国土安全部（DHS）最近表示担心，如果人们在公告中戴口罩，其面部识别系统的效果可能较差。公司声称已经开发的算法，可处理高精度面具包括Innovatrics和SAFR，而其他像FacePhi已经开发了基于算法的眼周生物。

　　除了评估更新的算法外，将来的测试还将测试一对多匹配和其他变体，以扩大提供的见解。

　　恩根说，准确性有望提高，但结果与以前的FRVT评估结果一致。

　　她说：“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。”

　　更多的人脸识别相关国际资讯，腾佑AI人工智能持续分享中，若您有百度AI人工智能其他相关的产品需求，咨询在线客服即可获取更多详情和优惠！

标签：人工智能生物识别人脸识别面部识别百度人脸识别