美国国家标准与技术研究所（NIST）公布的数据显示，人脸识别算法在识别蒙面人脸方面越来越出色。对150多种不同面部识别算法的独立测试表明，对于面部识别系统来说，蒙面可能并非是一个大问题。

　　一、实验首次研究面部蒙脸识别

　　作为面部识别供应商测试（FRVT）的一部分，供应商自愿将其面部识别算法提交给NIST进行测试。在提交每一个算法时，该研究所会滚动公布这些测试的结果。当NIST在7月份首次研究蒙面对面部识别的影响时，它发现算法在识别蒙面人脸方面并不擅长。不出所料，当鼻子和嘴巴被遮住时，很难辨认出一张人脸。当时，一些算法面对蒙面人脸时，其错误率飙升至5%至50%之间。

　　但新冠疫情流行给了开发者足够时间来关注蒙面问题，NIST的数据显示，面部识别算法对蒙面人脸的识别率越来越好，目前错误率已经下降到5%左右。NIST的面部识别测试公共排行榜证明了这一说法。现在有八种不同的算法将蒙面识别错误率保持在0.05%以下。这八种算法中，有六种是在7月发布第一份报告后提交给NIST的。

　　二、识别性能差异大

　　目前测试也有局限性，虽然测试借鉴了真实签证持有者的照片和实际的过境照片，但他们没有使用蒙面的实际图像。为了方便起见，NIST的研究人员改用数字方式应用面具，以确保样本的一致性。因此，测试无法对颜色、设计、形状、质地、带子和面具佩戴方式的无穷变化进行详尽的模拟。数字面具是一种蓝色的外科口罩覆盖整个脸部宽度的模拟图像，但测试人员注意到，根据口罩在脸上放置的高度，识别性能差异很大。

　　作为生物识别出境计划的一部分，美国在陆地和空中边境都采用了面部识别技术，将旅客与签证或护照照片进行比对。NIST的数据来自签证持有者，特别是那些对移民过程中收集的生物特征信息没有隐私权的人。

　　更多智能方面相关信息关注山东安防资质网！