自从Covid-19大流行开始以来，生物识别面部识别算法可能能够比传统算法更好地识别戴口罩的人，但是根据美国国家国家标准和技术研究所的最新测试，以前开发的最好的算法也“遇到了很大的困难”。
NIST测试了89个商业面部识别算法，用于“正在进行的面部识别供应商测试（FRVT）第6A部分：使用前COVID-19算法使用口罩的面部识别精度。'在使用数字施加的面罩进行测试时，即使是最好的算法，在一对一匹配中的错误率在5％至50％之间。
研究团队提出了9个黑色或外科手术面具的蓝色面具变体，其中一些刚好覆盖“佩戴者”的嘴和鼻子，而有些则覆盖了整个下部的脸。
该报告的作者之一NIST计算机科学家Mei Ngan说，该测试是由大流行的动机，该组织计划测试夏季晚些时候使用口罩开发的新算法。
Ngan指出：“我们可以从结果中得出一些广泛的结论，但有警告。” “这些算法都没有设计用于掌握面具，我们使用的面具是数字创作，而不是真实的东西。”
在每种情况下，算法的准确性都大大降低。虽然表现不佳的面孔的最高表现算法的时间约为0.3％，但由于数字口罩被遮挡的面孔的故障率接近5％。许多“其他能力”算法在20％到50％之间失败了。蒙版的图像还导致算法由于“未能注册或模板”而根本无法处理面部。
根据比较，NIST与低，中和高鼻子覆盖的比较相比，穿着多少戴鼻子会极大地影响准确性。面膜的形状和颜色也有很大的差异，蓝色面具或更圆形的面具降低了性能。时间和资源限制使NIST无法深入测试颜色的效果。
更令人鼓舞的是，虽然假否定性增加，但假阳性稳定，甚至有所下降。
国土安全部最近表示关注的是，其面部识别系统的效果可能较低，人们戴口罩在公告中。声称已经开发了可以高精度处理口罩的算法的公司包括创新和SAFR，而其他像Facephi一样，基于眼周生物特征。
除了评估新算法外，未来的测试还将测试一对多比赛和其他变化，以扩大所提供的见解。
恩根（Ngan）表示，预计准确性将提高，但结果与透明的FRVT评估是一致的。
她说：“用户应该了解他们正在彻底使用的算法并在自己的工作环境中测试其性能。”
