安全攝像機貿易出版物IPVM發表了其首次發表面部識別排名，這表明供應商所主張的績效與其在現實世界中其商業系統的準確性之間存在顯著差異。
評估包括對各種場景中各種商業系統的測試。每個供應商都以相機傾斜和主題方法的不同角度對生產的性能進行評估，並佩戴配件，分組，並以低，正常和紅外照明捕獲。在每個類別中提供排名，以及有關可用性和安裝的信息。 IPVM計劃在未來版本中擴展評估。
使用NIST IJB-C數據集評估生物識別註冊和識別。
監視攝像機比較了面部識別性能通過商業可用的相機一個avigiler，，，，公長車，，，，Hikvision，ironorpe，奧斯托，菱形，圖靈和Verkada，發現它們之間的巨大績效差異。
IPVM研究工程師Mert Karakaya博士告訴MERT KARAKAYA博士告訴生物識別更新在電子郵件中。
他說，供應商索賠需要更透明的第三方驗證，特別是代表NIST算法評估設計中未包括的現實世界部署的複雜性。
IPVM的發現與DHS的2022生物識別技術集會的觀察結果一致，即大多數錯誤發生在圖像獲取根據卡拉卡亞（Karakaya）的說法，面部識別過程的一面。這使得相機的選擇和放置對性能至關重要。一些系統在較小的監視列表中表現出很強的性能，但在近2500個面孔的數據庫中掙扎。
像素密度和麵部捕獲也是表現較低的系統的問題。
Karakaya說：“供應商應將IPVM的面部識別排名視為採取行動的呼籲，以進行更透明和全面的測試，其中包括現實世界變量，而不僅僅是算法效率。” “通過這樣做，他們可以提供更準確，更可靠的跡象，以表明其係統將如何執行後部署。
他繼續說：“對於客戶來說，這些評估是審查供應商主張並了解當前面部識別技術的局限性的寶貴資源。” “就NIST等其他評估擬合而言，此分析增加了一層現實世界的適用性，這些適用性通常來自更多理論或實驗室的評估，而NIST為算法性能提供了極好的基準，將這些見解與實用的現實世界測試相結合，將提供更全面的系統效率視圖。”
