商业面部识别算法的取样似乎表明，面部生物识别系统目前过于依赖某些属性，以至于很容易区分分享种族和性别类别的不同人。美国国土安全部马里兰州测试设施（MDTF）的生物识别学研究人员和科学技术局发表了一篇论文，并使用五种未命名的商业面部识别算法探索了该问题，并以商业IRIS识别算法为控制。
该测试由MDTF的John Howard，Yevgeniy Sirotin和Jerry Tipton和S＆T的Arun Vemury进行。
他们的论文量化种族和性别特征确定商业面部识别算法的身份的程度'表明，搜索大型同质图像数据库的那些面部识别算法往往会根据种族和性别导致不同的治疗。该研究基于科学家的先前工作，该作品表明，与来自其他人群的人相比，来自同一人口组的人的图像往往比彼此更相似，这一现象称为“广泛的同质性”。
对生物识别算法使用的主要成分的分析表明，矢量或面部外观之间的大多数变化与种族或性别无关，尽管大约有10％。这意味着算法应该更始终如一地避免提供不公平的准确性差异。
“此外，仅使用PC（主要组件）重建的配对分数分布与不按种族和性别聚集的个人进行重建，仅适度降低，这表明CFRAS（即使忽略与种族和性别相关的面部表面特征，商业面部识别算法）也可以维持可接受的表现，”报告的作者写道。”
基于人口统计数据的没有明显聚类的组件占面部识别算法总分差异的62％。
研究人员还引用了最近的研究表明，可以从图像中删除人口统计学属性，并有效地与面部识别算法匹配。
研究人员建议，人类的评论可以帮助您，但最终，技术需要继续发展。
报告说：“开发出明确忽略与种族和性别相关的面部特征的人口统计学CFRA将有助于维持这种技术的使用公平。” “我们认为，开发这种算法和展示公平性，包括减少的人口聚类，应该是销售面部识别技术的公司的重点。”
该研究将在即将到来的过程中讨论国际面部绩效会议（IFPC）2020。
ID4AFRICA的执行董事Joseph Atick博士在Facebook上打电话利用其资源来解决任何问题是否可以开发出面部识别算法以达到高标准以确保准确性的高标准，而基于种族和性别的受试者的表现有显着差异。
