一個最近的網絡研討會作為歐洲生物識別技術協會的一部分主持EAB）午餐聊天系列對法國生物識別認證公司的Ana Calarasanu博士和托馬斯·皮特（Thomas Petit）博士的面部年齡驗證和估計狀態（AVE）提出了意見Unissey。
年齡驗證越來越多地發現從零售到在線遊戲的領域中的用例。 Calarasanu說，標準年齡驗證工具包可能包含文檔ID檢查，信用卡檢查和行為分析。但是隨著生活在線移動，算法面對生物識別技術分析是一種有價值的工具，可以減少用戶的摩擦，同時提供其他級別的安全性和可訪問性。
Calarasanu說：“從隱私方面，我們的信息比文檔ID的信息少。”諸如LIVISE檢測之類的技術確保面部生物識別工具提供了滿足嚴格標準所需的安全性。但是她指出，有必要在區分年齡驗證和年齡估計的情況下精確。她說，估計工具“大約是受試者的年齡或年齡間隔”，而不是發現的二進制方法年齡驗證旨在確認用戶的過程超過了一定的目標年齡。
“這種區別很重要，因為在某些應用程序用例中年齡估計確實是我們想要解決的問題，但是從技術角度來看，ALS存在差異，指標和性能不一定是相同的。 ”年齡估算可以在用例中增加一層安全性，例如在線銀行或ID訪問管理，或在“較輕的用例”中，例如約會應用或踏板車租賃。
同時，需要驗證遊戲，色情或色情或年齡限制的購買。
技術方面有所不同
Petit通過各種機器學習方法運行，在建造一個機器時可以考慮年齡驗證或估計模型，以及特定用例的細節如何權衡哪種適合使用。他還通過對年齡估計的評估與年齡驗證評估的評估方式 - 在估計的情況下，平均絕對誤差的組合（實際年齡和估計年齡之間的平均差異，因此較低）和累積得分（誤差率低於閾值的預測比例，因此較高，因此較高）。
Petit帶領聽眾了解“挑戰”的概念，其中T是合法年齡加上7個概念，這意味著，在合法年齡為18歲的情況下，將要求25歲以下的人索取ID。 （因此，在這種情況下，挑戰25。NIST評估指標（今年出現的第一個基準），種族偏見以及面部年齡驗證如何與人類表演進行比較 - 以及算法如何隨著時間的流逝而改善。
總之，Unissey提供四個收穫。首先，AEV並非無誤； Petit將其與門衛或調酒師進行了比較，後者通常是可靠的，但仍然可能會偶爾識別。也就是說，這項技術已經比人類的監督更好。但是，像人類一樣偏見，特別是在性別和種族中，必須考慮到。最後，每個用例都會帶來自己的細節，這應該指導選擇面部年齡驗證或年齡估計產品。
佩蒂特說，所有跡像都表明面部年齡驗證和面部年齡估計他們正在最終廣泛採用，並期望該技術在未來幾年內將“活躍”。 “該行業越來越成熟，我想說的已經到達了一個可以成為許多應用程序的可靠解決方案的階段。”
