面部识别如何学习阅读蒙面的面孔

许多行业都需要适应大流行，包括面部识别行业。专家表示，该技术在识别戴口罩的人方面正在慢慢完善。

美国国家标准与技术研究院(NIST)最近发表的一份报告显示，新冠肺炎疫情开始后创建的65种新的面部识别算法和疫情前提交的87种算法的结果。该报告显示，软件开发人员在开发识别蒙面人脸的算法方面做得越来越好，甚至达到了与常规人脸识别算法一样的准确性。

“虽然一些Persed算法仍然存在于蒙面照片最准确的照片中，但一些开发人员在大流行显示后提交了算法，显示出明显提高的准确性，现在是我们测试中最准确的，”报告读取。

研究发现了什么

这项研究是NIST进行的第二项同类研究，使用了相同的数据集，旨在测试面部识别算法及其在有口罩存在时的准确性。该报告的作者使用了620万张照片，并对这些图像应用了各种数字面具组合的模拟。

梅颜,NIST报告和计算机科学家的共同作者告诉乐动体育赞助在手机面试中，面部面具的存在基本上取得了面部识别技术，返回大约两到三年。

“错误率在2017年最先进技术的情况下为2.5％和5％的任何地方，”她说。

在7月份发布的NIST的上一份报告看了于2020年3月在世界卫生组织宣布全球大流行之前提交的面部识别算法的表现。第一次研究发现，这些前大流行算法的错误率在5％和50％之间。

即使这些算法在阅读蒙面面上越来越好，最近的研究也发现一些因素影响了误差率，例如掩模颜色（像红色或黑色的较暗面罩具有更高的误差率）以及掩模如何成形（圆角掩模形状具有较低的错误率）。

Ngan表示，该算法使用某人的面部的可见部分，例如眼睛周围的区域和前额，识别面部特征而不是通过掩模本身读取。

面部识别和面部面具的未来

颜彦宏说，很明显，当涉及到口罩时，开发人员已经对他们的面部识别算法进行了重大改进。

“显然需要面部识别系统在戴脸部面具的约束下运行，”她说。“鉴于我们一直在做的事情和我们最近的研究的结果，我们看到面部识别行业积极努力包括在算法中的面部面具。”

由于技术的不断进步，这意味着戴着口罩解锁手机等事情将变得更容易，但在人脸识别方面，这种方式的发展还会带来其他影响。

大量研究表明，面部识别被广泛报道会识别错误的人，并带有种族偏见。NIST 2019年的一项研究发现，面部识别技术对黑人和亚洲人的错误识别频率是白人的100倍。

即使识别口罩的技术越来越好，错误率——无论多么小——仍可能是识别戴口罩的人的一个问题。

NIST最近的报告显示，算法在处理口罩任务方面变得越来越好，Ngan说，只有时间才能告诉我们，在大流行时期，面部识别的未来是否真的会如此。

“也许我们可以预期进一步的错误，或者可能会开发人员可能会发现揭露区域中的独特信息量的限制，”Ngan说。