商業面部識別算法的取樣似乎表明，面部生物識別系統目前過於依賴某些屬性，以至於很容易區分分享種族和性別類別的不同人。美國國土安全部馬里蘭州測試設施（MDTF）的生物識別學研究人員和科學技術局發表了一篇論文，並使用五種未命名的商業面部識別算法探索了該問題，並以商業IRIS識別算法為控制。
該測試由MDTF的John Howard，Yevgeniy Sirotin和Jerry Tipton和S＆T的Arun Vemury進行。
他們的論文量化種族和性別特徵確定商業面部識別算法的身份的程度'表明，搜索大型同質圖像數據庫的那些面部識別算法往往會根據種族和性別導致不同的治療。該研究基於科學家的先前工作，該作品表明，與來自其他人群的人相比，來自同一人口組的人的圖像往往比彼此更相似，這一現象稱為“廣泛的同質性”。
對生物識別算法使用的主要成分的分析表明，矢量或面部外觀之間的大多數變化與種族或性別無關，儘管大約有10％。這意味著算法應該更始終如一地避免提供不公平的準確性差異。
“此外，僅使用PC（主要組件）重建的配對分數分佈與不按種族和性別聚集的個人進行重建，僅適度降低，這表明CFRAS（即使忽略與種族和性別相關的面部表面特徵，商業面部識別算法）也可以維持可接受的表現，”報告的作者寫道。 ”
基於人口統計數據的沒有明顯聚類的組件佔面部識別算法總分差異的62％。
研究人員還引用了最近的研究表明，可以從圖像中刪除人口統計學屬性，並有效地與面部識別算法匹配。
研究人員建議，人類的評論可以幫助您，但最終，技術需要繼續發展。
報告說：“開發出明確忽略與種族和性別相關的面部特徵的人口統計學CFRA將有助於維持這種技術的使用公平。” “我們認為，開發這種算法和展示公平性，包括減少的人口聚類，應該是銷售面部識別技術的公司的重點。”
該研究將在即將到來的過程中討論國際面部績效會議（IFPC）2020。
ID4AFRICA的執行董事Joseph Atick博士在Facebook上打電話利用其資源來解決任何問題是否可以開發出面部識別算法以達到高標準以確保准確性的高標準，而基於種族和性別的受試者的表現有顯著差異。
