美国研究：佩戴口罩严重影响人脸识别准确率，黑口罩尤其严重

近期支付通Qpos官网注意到：佩戴口罩会严重影响人脸识别算法的准确率。当地时间7月27日，美国国家标准与技术研究院（National Institute of Standards and Technology，NIST）发布的一项初步研究结果得出上述结论。在测试了89种商业人脸识别算法后，NIST发现，在一对一识别任务中，算法识别戴口罩人脸的错误率高达5%至50%。

他们还发现，相比蓝色口罩，人脸识别算法识别佩戴黑色口罩的人脸更易出错。而且，口罩遮住鼻子的面积越多，算法识别人脸的难度就越大。

此前，业内已有“佩戴口罩会降低人脸识别精确度”的传闻，但NIST此次的研究结论具有决定性意义，坐实了之前的推测。作为第三方的政府机构，NIST负责为美国联邦政府评估人脸识别等算法，其评估结果对不同供应商的排名具有较大的影响力。

NIST测试了人脸识别算法的“一对一”识别能力，即用一张照片与同一个人的不同照片进行比较。这种模式通常用于身份验证，例如解锁智能手机或检查身份证等。在研究中，NIST使用了约600万张照片对上述89种算法进行测试。

在实际应用中，人脸识别算法还需要应付“一对多”（one-to-many）的识别任务，即在大规模监控中，对人群进行扫描，找出与数据库中某个人脸相匹配的人。这类任务需要在动态的画面中挑选出人脸，由于受到面部角度、光线和清晰度的影响，往往比一对一任务更难实现。

虽然NIST的报告没有测试一对多的识别任务，但可以想见，对于难度更高、更易出错的一对多识别任务而言，佩戴口罩可能会对算法的准确率造成相似甚至更大的影响。NIST通过数字模拟的手段制作了9种不同的口罩，在形状、颜色和覆盖面积上有所不同。他们发现，佩戴口罩之后，人脸识别算法的精度全面下降。在识别对象不戴口罩的情况下，研究中最精确的算法错误率是0.3%，戴口罩之后，错误率提高到5%左右。而其它算法识别戴口罩人脸的错误率更是高达20%至50%。

人脸识别算法通常通过测量一张脸的各项特征来达到识别目的，例如嘴巴的尺寸和嘴鼻之间的距离，而佩戴口罩无疑给算法造成了困扰。

人脸识别的错误可以分为假阴性和假阳性两种，前者指算法无法匹配同一个人的两张照片，后者指算法错误地将两个不同的人误认作同一人。NIST研究指出，佩戴口罩会提高人脸识别算法的假阴性，但假阳性保持稳定或略有下降。假阳性率的适度下降表明，佩戴口罩不会影响人脸识别在这方面的安全性。

“随着疫情蔓延，我们需要了解人脸识别技术如何处理戴口罩的人脸，”NIST计算机科学家、报告作者Mei Ngan称，他们已经开始关注新冠疫情前开发的人脸识别算法如何受到口罩的影响。在今年夏天，他们还将测试专门为戴口罩人脸设计的算法。在未来的研究中，他们还将测试一对多的人脸识别任务。(本文来自澎湃新闻，更多原创资讯请下载“澎湃新闻”APP)支付通Qpos,一款集合刷卡，支付，二维码支付和云闪付的多功能智能型手机POS机，现面向全国招收代理加盟商！5年手机POS机稳定运作经验，数十万用户稳定安全使用的体验，绝对是您不错的选择！欢迎加盟支付通Qpos!