膚色不僅是黑色和白色。這也不是相機校準系統所代表的，這似乎是面部生物識別系統中人口統計學差異或偏差的一個促成因素。
馬里蘭州測試設施的身份和數據科學實驗室技術總監Yevgeniy Sirotin在上週的一項演講中介紹了這些發現IFPC 2022事件。
演示文稿“評估人類膚色的差異以告知面部識別系統設計”是基於與Arun Vemury合作進行的研究，後者是國土科學和科學技術局的生物識別和身份技術中心的負責人。
在2021生物識別技術集會，最高的性能係統確定了每個人口組中98％以上的人。但是，中位系統未能達到目標95％的閾值，以確定皮膚較深的志願者的準確性。中位系統正確地確定了97％的皮膚較輕的人，但只有93％的皮膚患者。
表現最差的系統對於少於皮膚的人的時間少10％。
MDTF大約三年前開始使用校准設備，即皮質技術的DSM III菌群。
Sirotin解釋了這些測量方法的工作方式，以及如何將其標準化以使其對人類感知進行標準化。大多數人的皮膚都以大約23至66之間的輕度值來衡量。
種族通常是自我報告的，因此研究人員檢查了膚色輕巧與自我報告的種族之間的關係。雖然識別為白色的人往往具有50或更高的皮膚，但被識別為黑人或非裔美國人的人們範圍廣泛，其中許多超過50。
Sirotin和Vemury發現，皮膚較深的人的排名趨於較低，但在自我報告為白色的人中，差異並沒有看到。 Sirotin指出，差異可能來自算法，但也可能是由於圖像質量差。
他深入研究瞭如何校準顏色的相機。例如，一種流行的工具提供了24或48種樣品顏色，其中兩種或五種（分別）被標記為人類膚色。在後一種情況下，這五個中的兩個不適合在生物識別技術集會中成千上萬的志願者中代表的輕度值。即使在這個奇怪的對準之外，校準工具的覆蓋範圍也不平均。
Google的和尚規模類似地發現，幾種膚色太輕，而另一個太黑，無法代表真實的人。
Sirotin提出，數據驅動的方法可能會產生更好的校準工具。
在上面的情況下，也許毫不奇怪，在同一照明中拍攝的一系列單個人的圖像，但是使用不同的生物識別傳感器顯示出30到71之間的任何位置。
Sirotin總結說，面對整個膚色的人的面部識別系統可能會在更好的顏色目標的幫助下為人們拍攝優質的圖像，這將提高其有效性。
事實證明，Crayola做了一項紮實的工作代表實際的皮膚色在蠟筆中。因此，工程任務幾乎是無法克服的。
文章主題
準確性|生物識別技術|生物識別研究|面對生物識別技術|國際面部績效會議（IFPC）|馬里蘭州測試設施（MDTF）|膚色尺度
