Hayes via NIST)
Ansigtsgenkendelsesteknologi er i bedste fald kontroversiel.
Tilføj pandemisk-æra-masker, og algoritmerne kan let opblussen, ifølge en undersøgelse fra National Institute of Standards and Technology (NIST).
Af de 89 testede systemer kunne selv de bedste ikke matche digitalt anvendte masker til et kontrolportræt af det samme udækkede ansigt så ofte som halvdelen af ??tiden, finder rapporten.
"Med ankomsten af ??pandemien er vi nødt til at forstå, hvordan teknologi til ansigtsgenkendelse håndterer maskerede ansigter," siger Mei Ngan, medforfatter og NIST-computerforsker.
"Vi er begyndt med at fokusere på, hvordan en algoritme, der er udviklet før pandemien, kan blive påvirket af personer, der bærer ansigtsmasker.
Senere i sommer planlægger vi at teste nøjagtigheden af ??algoritmer, der med vilje blev udviklet med maskerede ansigter i tankerne."
Forskergruppen undersøgte hver algoritmes kapacitet til "en-til-en" -matchning - sammenligning af to fotos af den samme person som med smartphone-oplåsning eller paskontrol - ved digitalt at anvende forskellige maskeformer på det originale billede.
Selvfølgelig adskiller den virkelige verden sig (det samme gælder hver persons forståelse af, hvordan man bærer dem): De fleste har kirurgiske eller genanvendelige stofmasker, mens nogle bare binder en bandana rundt om deres ansigt.
Andre har i mellemtiden valgt noget lidt mere professionelt.
NIST implementerede ni varianter, herunder forskelle i form, farve (lyseblå eller sort) og næsedækning.
"Vi kan drage et par brede konklusioner af resultaterne, men der er forbehold," forklarer Ngan.
"Ingen af ??disse algoritmer var designet til at håndtere ansigtsmasker, og de masker, vi brugte, er digitale kreationer, ikke den rigtige ting." Med det i tankerne antyder undersøgelsen, at den samlede nøjagtighed med maskerede ansigter er faldet "væsentligt."
Ved hjælp af ikke-maskerede billeder er algoritmiske fejlprocent ca.
0,3 procent; dække nogens næse og mund, selvom de øverste systemer slår ud 5 procent af tiden.
Dette antal når 20 til 50 procent for "ellers kompetente" programmer.
Forskere fandt også, at mørke masker med fuld dækning har en tendens til at forvirre algoritmer mest, hvilket blokerer systemet fra at fuldføre sin sædvanlige proces til måling og sammenligning af ansigts funktioner.
"Med hensyn til nøjagtighed med ansigtsmasker forventer vi, at teknologien fortsætter med at forbedre sig," siger Ngan.
"Men de data, vi hidtil har taget, understreger en af ??de ideer, der er fælles for tidligere [face recognition vendor] tests: individuelle algoritmer fungerer anderledes.
"Fremadrettet planlægger holdet at teste programmer, der tager højde for ansigtsmasker; fremtidige undersøgelser vil omfatte" en-til-mange "-søgninger og andre varianter designet til at udvide resultaterne.
