美國國家標準與技術研究所（NIST）周二公布的數據顯示，人臉識別算法在識別蒙面人臉方面越來越出色。對150多種不同面部識別算法的獨立測試表明，對于面部識別系統來說，蒙面可能并非是1個大問題。

作為面部識別供應商測試（FRVT）的一部分，供應商自愿將其面部識別算法提交給NIST進行測試。在提交每一個算法時，該研究所會滾動公布這些測試的結果。當NIST在7月份首次研究蒙面對面部識別的影響時，它發現算法在識別蒙面人臉方面并不擅長。不出所料，當鼻子和嘴巴被遮住時，很難辨認出一張人臉。當時，一些算法面對蒙面人臉時，其錯誤率飆升至5%至50%之間。

但新冠疫情流行給了開發者足夠時間來關注蒙面問題，NIST的數據顯示，面部識別算法對蒙面人臉的識別率越來越好，目前錯誤率已經下降到5%左右。NIST的面部識別測試公共排行榜證明了這一說法。現在有八種不同的算法將蒙面識別錯誤率保持在0.05%以下。這八種算法中，有六種是在7月發布第一份報告后提交給NIST的。

目前測試也有局限性，雖然測試借鑒了真實簽證持有者的照片和實際的過境照片，但他們沒有使用蒙面的實際圖像。為了方便起見，NIST的研究人員改用數字方式應用面具，以確保樣本的一致性。因此，測試無法對顏色、設計、形狀、質地、帶子和面具佩戴方式的無窮變化進行詳盡的模擬。數字面具是一種藍色的外科口罩覆蓋整個臉部寬度的模擬圖像，但測試人員注意到，根據口罩在臉上放置的高度，識別性能差異很大。

作為生物識別出境計劃的一部分，美國在陸地和空中邊境都采用了面部識別技術，將旅客與簽證或護照照片進行比對。NIST的數據來自簽證持有者，特別是那些對移民過程中收集的生物特征信息沒有隱私權的人。

責編AJX