根據美國國 標準技術研究院周二發(fā)布的數據，面部識別算法在識別口罩中的面部表情方面越來越好。根據對150多種獨立面部識別算法的獨立測試，新報告表明，對于面部識別系統而言，口罩可能并沒有 初想象的那么大。

 

　　供應商自愿將其面部識別算法提交給NIST進行測試，作為面部識別供應商測試（FRVT）的 部分。在提交每種算法時，研究所會滾動發(fā)布這些測試的結果。NIST在7月份 次檢查面具對面部識別的影響時，發(fā)現算法在識別帶有面具的面部方面并不出色。毫不奇怪，當鼻子和嘴被遮蓋時，很難識別出臉。

 

　　NIST的報告集中在錯誤的不匹配率（FNMR）上，該方法可衡量有多少匹配的面孔在不觸發(fā)警報的情況下通過了算法。7月，當某些算法遇到蒙面人的圖像時，其錯誤率飆升至5％至50％。

 

　　但是這種新型 狀病毒大流行給開發(fā)人員提供了充足的時間專注于遮罩問題，NIST的數據表明，面部識別算法在處理遮罩臉部方面越來越好。如果沒有面具， 好的算法的錯誤匹配率大約為0.3％，但是當戴上高覆蓋率的面具時，該比例仍會上升到5％。

 

　　報告寫道：“盡管 些新型 狀病毒大流行前的算法仍保持在蒙版照片上 準確的范圍內，但 些開發(fā)人員在新型 狀病毒大流行后提交了算法，顯示出明顯提高的準確性，現在在我們的測試中是 準確的。”

 

　　NIST的面部識別測試公共排行榜證實了這 說法。現在有八種不同的算法將錯誤的不匹配率保持在0.05％以下。在八月份的第 份報告發(fā)表后，這八個人中的六個人已提交給NIST。

 

　　作者注意到該研究的許多局限性。特別是，雖然測試使用的是真實簽證持有人的照片和實際的過境照片，但他們并未使用蒙面人臉的實際圖像。為了方便起見，NIST研究人員改為以數字方式應用口罩，以確保整個樣品的 致性。結果，“我們無法對顏色，設計，形狀，紋理，帶子和口罩的佩戴方式的無盡變化進行詳盡的模擬，”報告指出。數字口罩是覆蓋整個臉部的藍色外科手術，但測試人員注意到，其性能取決于口罩放置在面部的高度而有很大不同。

 

　　美國在陸地和空中邊界均采用面部識別，將旅行者與簽證或護照照片相匹配，這是生物識別出口計劃的 部分。NIST數據來自簽證持有人，特別是對于在移民過程中收集的生物識別信息幾乎沒有隱私權的簽證持有人。