据行业专家在国际面部表演会议上讲话（行业专家，面部识别将能够准确地揭露深层餐厅，一次与其他生物识别方式相匹配，并超越其他生物识别方式。IFPC）2022。
这活动的第一天由NIST主办，重点是面部图像质量，其评估以及如何改进。
第二天的早期专门针对标准和法规，由欧盟委员会，IDEMIA，UNICRI，挪威ID中心，USG和Rand Corporation的代表进行了演讲。
当天的第二部分关于该行业对Face Biomertrics的看法。包括演示者Paravision机器学习技术负责人和经理Neda Eskandari，排名一个计算首席科学家，联合创始人兼总统布伦丹·克拉尔（Brendan Klare）族裔AI首席科学家Stephane Gentric，以及埃森哲的代表信任邮票。
假数据的真实用途
Eskandari指出，DeepFakes和合成媒体实际上是指一系列不同的假现象，包括不同类型的数据，成像范围和操纵类型。即使图像质量在假货中也有很大变化。
她探讨了合成面对算法训练和基准面部识别模型的价值。
工程师需要谨慎选择训练的合成面，合成面和真实面部之间的比例，并确保为每个身份包含多个合成面。
当然，合成数据还以几种不同的方式提出了威胁。
Paravision研究表明，在真实面孔训练的面部识别模型往往擅长理解“有关合成面孔的隐藏信息”。 Eskandari说，该公司的原型合成面检测模型达到了99.7％的准确性。生产深泡探测器也正在进行中。到目前为止，Paravision报告了超过96％的广义数据集的成功，而无需结合任何现成的模型。
现在面部是最准确的生物识别吗？
克拉尔（Klare）通过比较不同NIST出版物中各种生物识别方式的1：1匹配率来提出争议，并询问Face现在是否是世界上最准确的方式。他认为，其他方式至少并没有以同样的速度提高。
这种改进的部分原因是面对克拉尔的原因，是关于一个人的最不私人信息。它们比名称更容易找到，并且面部图像的数量比指纹或虹膜图像高。
Klare说，结果，有了一些警告，算法现在比人类，甚至超级识别者都更准确。
但是，人类干预仍然很重要，但是由于用例设置了扩展，并且由于剩下的挑战，例如相同的双胞胎。
审查演示攻击检测在各种用例中的重要性，KLARE建议用“真正的拒绝率”和“欺骗性接受率”替换冗长的术语分类错误率（BPCER）和攻击表现分类错误率（APCER）。
克拉尔确定的面部识别的另一个领域是化妆。这也影响男女匹配率之间的人口差异。
机场图像捕获改进
图像采集技术也正在迅速提高。与当今使用的时尚机器相比，由Gentric解释的早期电子门的设计限制使它们变得大而复杂。这是必要的，因为面部生物识别系统对面部姿势和照明的耐受性低。
Gentric说，今天处理的机场生物识别技术也可能很快就会过时，但是，面部生物识别技术正在改善此举。质量的图像选择大大提高了移动系统的准确性，并且行人检测或骨骼跟踪通过将给定身份的图像分组在一起，从而进一步提高了性能。
电子门也可能很快就可以同时将父母与孩子一起匹配。
从RGB相机流推断的3D深度图可以帮助确保在适当距离捕获图像。
文章主题
准确性|生物识别技术|生物识别研究|深击|面部识别|族裔|国际面部绩效会议（IFPC）|nist|Paravision|鹏|超级公认者|信任邮票
