美國國家標準與技術研究所(NIST)對89種商業臉部辨識演算法進行測試,發現這些演算法都沒辦法良好地處理戴上口罩的人臉,準確性隨著鼻子覆蓋率上升而降低,而且顏色和形狀也都影響著演算法的錯誤率,即便表現最好的演算法,以同一人不戴口罩的照片,辨識戴著口罩的人臉,錯誤率在5%和50%之間。

由於戴口罩有助於阻止武漢肺炎(COVID-19)病毒的傳播,因此全世界人們紛紛戴上了口罩,而這也對臉部辨識演算法產生極大的考驗,逼得蘋果更改iOS對戴口罩人臉的辨識機制。NIST電腦科學家Mei Ngan提到,隨著武漢肺炎疫情爆發,相關單位需要了解,人臉辨識技術處理戴口罩人臉的方式。NIST團隊探索了各種演算法一對一配對的能力,也就是將一張照片與同一個人的另一張照片進行比較,這種功能的用途通常是進行驗證,像是解鎖智慧型手機和檢查護照。

研究人員以口罩形狀的色塊,蓋在原始人臉照片的口鼻上,以測試演算法的效能,考量到口罩的樣式不同,依形狀、顏色和鼻子覆蓋範圍,研究團隊測試了9種口罩版本,測試口罩顏色除了黑色,還有與手術口罩接近的淺藍色,形狀有覆蓋鼻子和嘴巴的圓形口罩,也有和臉部一樣寬的大口罩,寬口罩依覆蓋鼻子的程度不同,分為高、中和低。

經實驗,研發團隊得出了幾點一般性的結論,臉部戴口罩讓所有臉部辨識演算法準確性下降,最精確的演算法在人們未戴口罩時,錯誤率只有0.3%,而戴上口罩後,錯誤率則約有5%,大部分演算法錯誤率則在20%到50%之間。

演算法無法良好地處理戴口罩人像,是因為無法擷取足夠的人臉特徵,一般來說,人臉辨識演算法,是透過量測各個人臉特徵的大小和之間的距離,而戴上口罩導致演算法無法擷取人臉特徵,也就無法進行有效的比較。而且實驗發現,當口罩遮住鼻子越多,演算法準確性就越低。

雖然臉部辨識無法正確辨識人臉,但是演算法也不會亂認人,又就是說,演算法無法配對同一人兩張照片的偽陰性增加,而錯誤將兩個不同人照片,辨識為同一人的偽陽性也會下降,因此研究團隊認為,戴口罩並不會影響臉部辨識演算法的安全性。

另外,口罩形狀與顏色同樣都影響著演算法的錯誤率,使用圓形口罩錯誤率較低,而與藍色手術口罩相比,黑色口罩降低了演算法的效能,而使錯誤率增加,不過,研究團隊並沒有完整地測試各種顏色效果。

這項測試是由美國國土安全部科學技術局、生物特徵辨識管理辦公室,以及美國海關及邊境保衛局合作進行,Mei Ngan表示,他們測試了口罩對各家臉部辨識演算法的影響後,他們接下來,要開始測試對口罩最佳化的臉部辨識演算法。


Advertisement

更多 iThome相關內容