联合医疗保健首席执行官布莱恩·汤普森在曼哈顿中城被谋杀，涉及使用面部识别技术（FRT）来识别凶手，但挑战阻碍了其成功。纽约市 (NYPD) 超过 15,000 个各种先进监控系统和安全摄像头（包括出租车和无人机内部）捕捉到的嫌疑人的部分图像未能捕捉到嫌疑人的完整面部特征，限制了该技术的有效性隔离嫌疑人的身份。
五天后，使用 FRT 未能成功识别嫌疑人，纽约警察局发布了更多据称是其所掌握的最清晰嫌疑人照片，以向公众征求信息。
正是这些照片导致公众举报称，嫌疑人似乎与在距离纽约市约 200 英里的宾夕法尼亚州阿尔图纳的一家麦当劳里被观察到的同一个人有关。这名男子名叫路易吉·曼吉奥内(Luigi Mangione)，立即被当地警方拘留，并最终被指控谋杀汤普森。
“这张照片出现的次数比一般凶杀案中出现的次数还要多，”费城前警官、城堡刑事司法教授肖恩·帕特里克·格里芬 (Sean Patrick Griffin)告诉 纽约时报周一。
这时代补充道，“最终，正是分发照片的简单行为——而不是复杂的面部识别技术——让警方找到了被指控参与致命枪击事件的男子……对于专家来说，这个案件提醒人们——即使面部识别技术变得更加复杂，分发照片并依靠公众识别面部仍然可以在调查中发挥关键作用。”
未来主义者杂志的字节 说：“人工智能完全没能抓住杀手首席执行官”。
但即使纽约警察局拥有嫌疑人的清晰面部图像，只有当嫌疑人的面部存在于犯罪数据库、纽约机动车辆管理局的生物识别数据库、联邦调查局 (FBI) 的生物识别数据库中时，它才有用。下一代识别 (NGI) 数据库、国土安全部的自动生物识别系统 (IDENT) 或国防部的国防生物识别系统 (DBIDS)。
虽然执法部门广泛采用面部识别技术来识别嫌疑人，但其在识别 Mangione 方面的作用却并不理想。但也许不仅仅是因为该技术的缺点。法律和隐私问题以及联邦和州际数据库连接限制也可能发挥了作用。
纽约警察局官方表示，其主要面部识别工具由。然而，该部门承认为特定目的使用其他工具，并因人工智能技术缺乏透明度和全面监督而面临批评。
DataWorks 的 FaceCompare Plus 可对任意两张并排的面部图像进行形态学面部比较，无需完整的面部识别系统。但是，再次强调，曼吉奥内的照片必须已经存在于纽约警察局或其他州和联邦数据库中才有用。
“大多数美国人可能认为执法部门对美国每个人都有印象。这完全不是真的。”首席执行官唐尼·斯科特 (Donnie Scott)CNN 援引。 “如果他碰巧不是纽约居民，而且之前也没有被捕过，那么他很可能不会出现在他们的犯罪数据库或照片存储库中。”
Scott 进一步强调，“根据法规，纽约州无权出于执法目的访问 DMV 数据库。它需要合作和信息共享，以及各机构有理由和愿意依法允许共享这些信息。”
同样，纽约警察局以及全国许多其他执法机构也无法立即访问彼此的数据库，尤其是其所在州的 DMV 数据库。一个州也无法访问另一州的 DMV 照片存储库。
联邦调查局 (FBI) 确实参与了汤普森谋杀案的调查，并在曼哈顿一家酒店外发生的事件发生后与纽约警察局联手调查。联邦调查局利用其资源追踪线索并查明肇事者，协助追捕嫌疑人。目前尚不清楚联邦调查局的努力是否导致某些数据库照片匹配。
FBI 有权访问州执法犯罪数据库和 DMV 记录，但这种访问通常通过合作协议受到联邦和州法律的监管和管辖。
FBI 负责运营刑事司法信息服务 (CJIS) 网络，其中包括国家犯罪信息中心 (NCIC) 等系统。州和地方执法机构输入和访问 NCIC 上的数据，FBI 可以使用这些数据进行调查。
CJIS 网络还将州和地方数据库连接到 FBI，从而实现跨司法管辖区的数据共享。
至于 DMV 记录，FBI 通常可以通过《驾驶员隐私保护法》访问这些记录进行调查，该法允许出于合法执法目的进行此类访问。通过国家执法电信系统，FBI 可以请求州级 DMV 数据，其中包括驾驶执照信息和车辆登记信息。
不过，访问权限通常取决于州执法机构和联邦调查局之间的协议。各州维护自己的数据库，但根据既定协议，在调查需要时授予联邦调查局访问权限。访问也受到密切监控，以确保遵守隐私法，滥用这些系统可能会导致重大处罚。
然而，最终，纽约警察局通过媒体向公众提供了嫌疑人的部分照片，导致曼吉奥内被捕——这是在纽约警察局对其调查大做文章之后。
前纽约警察局局长雷·凯利早些时候告诉福克斯商业频道，他相信嫌疑人“很快”就会被抓获，并且“面部识别是有效的，我希望它能在本案中使用。”
然而，纽约警察局侦探局长约瑟夫·肯尼在调查初期补充说，警方到目前为止还无法使用面部识别来识别他的身份，可能是因为图像不完整或纽约警察局使用该技术的方式受到限制。
尽管面部识别已经取得了显着的发展，但现代系统仍然难以应对所有挑战，例如外科口罩、巴拉克拉法帽或部分图像，这些挑战取得了不同程度的成功。
在分析被口罩或头套遮挡的部分图像时，面部识别系统仍然面临重大挑战。虽然先进的系统可以专注于眼睛、眉毛和面部轮廓等可见特征，但当面部的大部分被隐藏时，准确性就会降低。性能取决于分辨率、图像质量和所使用的算法等因素。
一些针对此类场景进行训练的系统提高了识别率，利用人工智能模型从有限的数据中提取更多线索。然而，与无障碍图像相比，成功率通常仍然明显较低。在 COVID-19 大流行期间进行的研究表明，准确率下降了 5% 到 50%，具体取决于系统和面部覆盖范围。
许多系统已经更新，通过关注眼睛、眉毛和前额等可见特征来适应蒙面面孔，一些公司，例如和华为，声称他们的技术达到了90%-95%的准确率。
使用 3D 映射和红外成像的先进系统可以绕过传统 2D 识别的一些限制，并且一些经过大量数据集（包括蒙面人脸）训练的人工智能模型比在未蒙面数据集上训练的模型表现更好。
基于特征的匹配使用算法来分析面部的可见部分（例如眼睛、前额）并将其与数据库进行比较，这在很大程度上依赖于眼睛或眉毛的形状等独特特征。然而，可见特征越少，准确度就越低。当超过 30% 到 50% 的面部被遮挡时，大多数系统的性能都会显着下降。
快速响应时间s系统还经常与极端角度或遮挡作斗争，因为部分图像会带来不确定性。姿势标准化或多镜头分析（组合多个部分图像）等先进技术可以帮助缓解这些问题。
人工智能模型，特别是卷积神经网络（CNN），在识别面部部分模糊的个人方面显示出了巨大的前景。这些模型旨在关注仍然可见的特定面部特征，例如眼睛、眉毛和前额。他们还可以使用在部分蒙面面孔上训练的数据集的上下文线索和模式。
然而，它们的成功率取决于障碍程度、图像质量和训练数据集的鲁棒性。最先进的模型可以实现更高的精度，但在光线不足、运动、极端角度或重大障碍物的情况下仍然面临挑战。
生成对抗网络 (GAN) 通过基于训练数据生成合理的近似值来重建或推断面部的缺失部分，可以非常有效地协助部分模糊面部的面部识别。这种重建允许其他识别系统分析完整或接近完整的面部表征。
然而，虽然 GAN 增强的系统可以提高识别率，但其准确性取决于训练数据的质量和人脸的遮挡程度。如果滥用，GAN 还面临引入伪影或误报的风险。
然而，由于其专有性质和不同的实现方式，执法中使用 CNN 的面部识别系统的确切数量很难确定。然而，主要供应商喜欢,,， 和在全球执法机构广泛采用的系统中采用基于 CNN 的算法。
例如，Clearview AI 使用 CNN 来分析v 来自公共来源，即使是部分或低质量的图像，目前尚不清楚 Mangione 被识别后在社交媒体和其他在线公共来源上发现的大量照片是否包含在其数据库中，也不知道其 CNN 是否包含在内就能将他识别为可能的匹配对象。
总体而言，虽然 FRT 在解决众多挑战方面取得了长足进步，但性能可能会因特定系统和环境的不同而存在很大差异。
与此同时，关于面部识别和数据共享框架的讨论在更广泛的执法技术和隐私辩论的背景下继续进行，并呼吁加强监管和培训以解决隐私和公民权利问题。
美国立法或监管面部识别的努力仍然存在争议。一些立法者和倡导团体以隐私问题和滥用的可能性为由，推动对某些用途进行更严格的限制或禁止。另一方面，其他人则主张更好地整合和使用这项技术来促进国家安全和预防犯罪，尽管这也经常遇到以隐私为中心的阻力。
在汤普森被谋杀以及 FRT 无法识别曼吉奥内的身份之后，预计这场争论只会变得更加激烈——双方都是如此。几位联邦执法官员私下表示，他们担心会出现模仿者，特别是考虑到右翼和左翼（精英与小人物）对曼吉奥内所做的事情所激发的公众支持程度令人惊讶。正如一位官员所描述的那样，“这种相反的愤怒确实令人不安。我预计会出现某种政治反应，取消对“未来”使用面部识别的限制。
文章主题
||||||||||
