自從Covid-19大流行開始以來，生物識別面部識別算法可能能夠比傳統算法更好地識別戴口罩的人，但是根據美國國家國家標準和技術研究所的最新測試，以前開發的最好的算法也“遇到了很大的困難”。
NIST測試了89個商業面部識別算法，用於“正在進行的面部識別供應商測試（FRVT）第6A部分：使用前COVID-19算法使用口罩的面部識別精度。 '在使用數字施加的面罩進行測試時，即使是最好的算法，在一對一匹配中的錯誤率在5％至50％之間。
研究團隊提出了9個黑色或外科手術面具的藍色面具變體，其中一些剛好覆蓋“佩戴者”的嘴和鼻子，而有些則覆蓋了整個下部的臉。
該報告的作者之一NIST計算機科學家Mei Ngan說，該測試是出於大流行的動機，該組織計劃測試夏季晚些時候使用口罩開發的新算法。
Ngan指出：“我們可以從結果中得出一些廣泛的結論，但有警告。” “這些算法都沒有設計用於掌握面具，我們使用的面具是數字創作，而不是真實的東西。”
在每種情況下，算法的準確性都大大降低。雖然表現不佳的面孔的最高表現算法的時間約為0.3％，但由於數字口罩被遮擋的面孔的故障率接近5％。許多“其他能力”算法在20％到50％之間失敗了。蒙版的圖像還導致算法由於“未能註冊或模板”而根本無法處理面部。
根據比較，NIST與低，中和高鼻子覆蓋的比較相比，穿著多少戴鼻子會極大地影響準確性。面膜的形狀和顏色也有很大的差異，藍色面具或更圓形的面具降低了性能。時間和資源限制使NIST無法深入測試顏色的效果。
更令人鼓舞的是，雖然假否定性增加，但假陽性穩定，甚至有所下降。
國土安全部最近表示關注的是，其面部識別系統的效果可能較低，人們戴口罩在公告中。聲稱已經開發了可以高精度處理口罩的算法的公司包括創新和SAFR，而其他像Facephi一樣，基於眼周生物特徵。
除了評估新算法外，未來的測試還將測試一對多比賽和其他變化，以擴大所提供的見解。
恩根（Ngan）表示，預計準確性將提高，但結果與透明的FRVT評估是一致的。
她說：“用戶應該了解他們正在徹底使用的算法並在自己的工作環境中測試其性能。”
