這些結果令面部識別行業(yè)感到不安。在新冠病毒大流行期間，因為人們開始佩戴口罩，人臉識別行業(yè)一直在忙著開發(fā)僅通過眼睛和鼻子識別人的算法。

口罩是限制疾病傳播的必要工具，美國政府要求民眾戴上這些防護工具。然而這些口罩給面部識別軟件帶來了麻煩，進而使得科技公司不得不做出調(diào)整。比如蘋果已經(jīng)推出了一項技術更新，從而使得Face ID可以在人們戴著面罩的情況下有效。

人臉識別算法依賴于獲取盡可能多的個人圖像數(shù)據(jù)點，而口罩往往會帶走大量有價值的識別信息。該研究發(fā)現(xiàn)，雖然人臉識別算法面臨的挑戰(zhàn)已經(jīng)夠多，像不適當?shù)墓饩€、糟糕的角度都能欺騙到它，而口罩則讓情況變得更糟。

研究發(fā)現(xiàn)，當看到人們戴著面具的圖像時，一種算法的錯誤率從0.3%上升到5%。據(jù)悉，該研究測試了89種人臉識別算法對口罩的有效性。

這項測試著眼于算法的“一對一”匹配能力--本質(zhì)上是將一張人的照片跟另一張人的照片進行對比，但他們都戴上了面具。為此，NIST使用了600萬張圖片進行研究并使用了數(shù)字遮罩，而覆蓋層則有不同的變化。

研究還發(fā)現(xiàn)，鼻子被遮住的部位越多，口罩對算法的阻礙性就越強。研究還顯示，黑色面罩比藍色面罩更容易騙過算法。

NIST表示，這是圍繞面部識別和口罩進行的一系列測試中的第一個。該機構計劃在今年夏天晚些時候測試專門為覆蓋物創(chuàng)建的算法，其希望算法能在檢測戴口罩的人方面有所改進。。

“隨著疫情的到來，我們需要了解人臉識別技術是如何處理佩戴口罩的面部的，”NIST研究人員Mei Ngan表示，“我們已經(jīng)開始關注在大流行之前開發(fā)的算法如何受到戴口罩的受試者的影響。”