面罩是抵御COVID-19擴散的最佳方法之一，但是其日益普及的應用卻產(chǎn)生了第二種意想不到的效果：打破了面部識別算法。

美國國家標準技術研究院（NIST）進行的一項研究發(fā)現(xiàn)，戴上足以遮蓋口鼻的口罩會導致一些最廣泛使用的面部識別算法的錯誤率激增至5%至50%之間。。與藍色面具相比，黑色面具更容易引起錯誤，并且面具遮蓋的鼻子越多，算法發(fā)現(xiàn)它來識別面部的難度就越大。

報告作者兼NIST計算機科學家Mei Ngan說：“隨著大流行的到來，我們需要了解人臉識別技術如何處理蒙面人臉?！薄拔覀儚年P注大流行之前開發(fā)的算法開始受到戴口罩的受試者的影響開始。今年夏天晚些時候，我們計劃測試在考慮到蒙面的情況下故意開發(fā)的算法的準確性?！?/p>

諸如NIST測試的面部識別算法通過測量目標面部特征之間的距離來工作。遮罩會刪除大部分這些功能，從而降低了這些算法的準確性，盡管有些功能仍然存在。例如，這與在iPhone上使用面部傳感器以提高安全性的面部識別的工作方式略有不同，以確保不會通過向相機顯示圖片來欺騙算法（在NIST場景中不存在這種危險）關注于）。盡管有很多關于面罩阻礙面部識別的軼事證據(jù)，但NIST的研究尤其明確。NIST是負責評估聯(lián)邦政府這些算法（以及許多其他系統(tǒng)）準確性的政府機構，其在不同供應商中的排名非常有影響力。

值得注意的是，NIST的報告僅測試了一種稱為“一對一匹配”的面部識別方法。這是在過境和護照控制場景中使用的過程，在該過程中，算法將檢查目標的面部是否與其ID匹配。這與用于大規(guī)模監(jiān)視的面部識別系統(tǒng)不同，在該系統(tǒng)中，對人群進行掃描以查找與數(shù)據(jù)庫中的面部匹配。這稱為一對多系統(tǒng)。

盡管NIST的報告并未涵蓋一對多系統(tǒng)，但與一對一算法相比，這些系統(tǒng)通常被認為是誤差更小。在人群中挑選臉部更加困難，因為您無法控制臉部的角度或光線并且分辨率通常會降低。這表明，如果面罩正在破壞一對一的系統(tǒng)，它們可能會以至少相同但可能更高的頻率破壞一對多的算法。

這與我們從政府內部聽到的報道相符。從國土安全部，美國能源部內部通報，今年年初，通過報告截距，稱該機構關注的“潛在影響是廣泛使用的防護口罩可能對安全操作結合了臉部識別系統(tǒng)。”

對于隱私權倡導者來說，這將是一個可喜的消息。許多人警告說，盡管世界各國政府急于采用面部識別系統(tǒng)，但這種技術對公民自由產(chǎn)生了令人生畏的影響，而且這些系統(tǒng)的種族和性別偏見也得到了廣泛認可，而對于那些不是白人。

同時，開發(fā)人臉識別技術的公司已經(jīng)迅速適應了這個新世界，設計了僅使用眼睛周圍區(qū)域就能識別人臉的算法。一些廠商，例如領先的俄羅斯公司NtechLab，說他們的新算法可以識別個人，即使他們戴著巴拉克拉法帽。但是，此類主張并不完全值得信賴。它們通常來自內部數(shù)據(jù)，這些數(shù)據(jù)可以被挑選出來以產(chǎn)生討人喜歡的結果。這就是NIST等第三方代理機構提供標準化測試的原因。

NIST說，它計劃在今年晚些時候為面罩佩戴者測試經(jīng)過特殊調整的面部識別算法，并探索一對多系統(tǒng)的功效。盡管口罩造成了許多問題，該機構仍希望技術能夠持久發(fā)展。Ngan說：“關于口罩的準確性，我們希望該技術將繼續(xù)改進?！?/p>