正如NIST生物识别标准和测试铅的帕特里克·格罗斯（Patrick Grother）一样，这对发展的标准很快就可以大大提高该领域的面部识别表现，并向本周数百人的网络研讨会受众解释了。
持续的发展ISO/IEC 24358面对捕获规格和ISO/IEC 29794-5在国际面部表演会议（IFPC）2020年的第二天，Grother解释了面部图像质量的标准。
这些标准可能有用的原因和情况有很多。
Grother说，提高图像质量可以使演示攻击检测更加广泛地适用，并且也可以将一类表面吸引的捕获设备编程为直接将图像上传到发行当局，以避免发生变形欺骗的潜在风险。
对于解决人口统计问题或人类审查，也需要更高的分辨率和较低的压缩。
这些标准不是禁止解决方案，而是利用现有工作，例如姿势估计。
通过指定对具有高像素深度或灵敏度的机器视觉摄像机的要求，或通过闭环暴露控制，可以确保高质量的图像，其中在传感器上调整了诸如增益之类的参数。
“整体上，这种项目旨在使面对捕获至少与指纹捕获一样的成熟度；专用对象；专用的信号处理和虹膜识别。”
这两种生物特征识别方式均具有专门构建的传感器，但是正如Groth所指出的那样，大多数面部识别仍然是“对他们所看的东西一无所知”。
可能会导致多个面孔或图像失真。
面对面的捕获标准将施加静态图像要求，并指定摄像机子系统的某些功能，包括面部检测，范围估计，姿势估计和照明控制。智能手机通常包含计算机视觉功能，以帮助其用户拍摄更好的照片，而Grother表示，尽管成本和外形限制了，但远远超出了便宜的货架网络摄像头的远远超出了廉价的货架网络摄像头。
也需要更高定义的成像来减少假阳性匹配，而不会进行改进以获得更多的假阴性结果。家族关系，尤其是双胞胎超出了大多数算法之间区分之间的能力，并且从单个区域中绘制的大数据集中的比较也表明了误报的持久性，这与“广泛的同质性”效果一致会议早些时候讨论。
高足够高的分辨率可以揭示皮肤纹理，除其他特征（如微小的疤痕）外，似乎没有像其他许多特征一样强烈的遗传联系。
其他模式具有要求，例如针对虹膜生物识别技术的照明，相当的等效物可能会显着受益于生物识别技术。
当建立了护照照片的标准时，热门的叙述说，有一个努力包括足够高的分辨率来比较皮肤纹理，但最终通常根本不使用该特征。
“面部图像质量评估并不是一个琐碎的话题，”但是，Grother警告。
要在所有注册情况下都具有价值，标准必须支持盲目评估，例如当个人首次申请驾驶执照或护照时，没有图像可以将其与之进行比较。标准的工作组评估了使用规范肖像作为理想特征的基准，并发现
“不正确的样本排斥率”，它测量了可匹配的照片的排斥和“样本接受率不正确”，似乎具有较高的图像质量，但无法匹配。
质量评估算法已提交排名一，，，，Paravision和其他几个组织。然后，该小组使用同一公司的面部识别算法以及Anyvision，帝国大学和创新，并发现供应商预测自己的真实分数比其他开发人员的算法更好。最有效的比较能够拒绝1％的样品，并减少了大约6倍的样本接受率，这表明该技术可以起作用，尽管目前需要一组非常具体的条件。
一周中的其他演讲涵盖了包括变形的问题，挑战面部识别的边界检查，并改善演示攻击检测。
文章主题
生物识别技术|生物识别研究|面部识别|图像压缩|国际面部绩效会议（IFPC）|ISO 29794-5|ISO标准|nist
