Nie taka maska straszna

Narodowy Instytut Standaryzacji i Technologii (NIST, National Institute of Standards and Technology) – amerykańska agencja federalna będąca odpowiednikiem polskiego Głównego Urzędu Miar – publikuje wyniki badań skuteczności algorytmów rozpoznawania twarzy zasłoniętych maskami.

Za uniseksowym półczarczafem

Jeśli wziąć pod uwagę skuteczność stosowania ponad 150 algorytmów rozpoznawania twarzy okazuje się, że maski nie są tak dużym problemem, jak obawiano się już po wybuchu pandemii koronawirusa.

Autorzy algorytmów dobrowolnie przekazują je agencji NIST w celu przetestowania w ramach badań rozpoznawania twarzy (FRVT, Face Recognition Vendor Test). Instytut publikuje wyniki tych testów na bieżąco. W lipcu bieżącego roku, gdy po raz pierwszy opisano wpływ masek na rozpoznawanie twarzy, okazało się, że algorytmy są zawodne gdy należy rozpoznać osobę zasłaniającą nos i usta.

Programiści mieli czas

Raporty przygotowane przez NIST koncentrują się na współczynniku fałszywego niedopasowania (FNMR, False Non-Match Rate). Określa on, jaki odsetek twarzy pasujących do poszukiwanego wzorca przechodzi przez kontrolę bez wywołania alarmu. W lipcu 2020 roku poziom błędu w przypadku niektórych algorytmów osiągnął nawet 50% gdy przetwarzano zdjęcia zamaskowanych osób.

Okres pandemii dał programistom czas na rozwiązanie problemów z maskami. Według danych NIST algorytmy rozpoznawania twarzy coraz lepiej radzą sobie z zasłoniętymi twarzami. Osiem algorytmów wykazuje współczynniki fałszywego niedopasowania na poziomie mniejszym niż 0,05%.

Stany Zjednoczone wykorzystują systemy rozpoznawania twarzy na lądowych i powietrznych przejściach granicznych. Porównuje się na nich zarejestrowane obrazy podróżnych z ich zdjęciami wizowymi lub paszportowymi.

fot. Alexandra Koch – Pixabay