Estudio sobre el efecto de las mascarillas en el software de reconocimiento facial

Ahora que la población se cubre la cara para ayudar a reducir la propagación del COVID-19, ¿qué ocurre con los algoritmos de reconocimiento facial? Según un estudio preliminar del Instituto Nacional de Estándares y Tecnología (NIST) los algoritmos creados antes de la pandemia, usados por ejemplo para desbloquear teléfonos,  generalmente funcionan con menos precisión con rostros enmascarados digitalmente.

Los resultados se publicaron como un Informe interinstitucional del NIST ( NISTIR 8311 ), el primero de una serie planificada del programa de prueba de proveedores de reconocimiento facial (FRVT) del NIST sobre el rendimiento de los algoritmos de reconocimiento facial en rostros parcialmente cubiertos por máscaras protectoras. 

«Con la llegada de la pandemia, necesitamos comprender cómo la tecnología de reconocimiento facial se ocupa de los rostros enmascarados», dijo Mei Ngan, científico informático del NIST y autor del informe. “Comenzamos centrándonos en cómo un algoritmo desarrollado antes de la pandemia podría verse afectado por sujetos que usan máscaras faciales. A finales de este verano, planeamos probar la precisión de los algoritmos que se desarrollaron intencionalmente con rostros enmascarados en mente «.

 

El equipo del NIST exploró hasta qué punto cada uno de los algoritmos era capaz de realizar un emparejamiento «uno a uno», donde una foto se compara con una foto diferente de la misma persona. La función se usa comúnmente para la verificación, como desbloquear un teléfono inteligente o verificar un pasaporte. El equipo probó los algoritmos en un conjunto de aproximadamente 6 millones de fotos utilizadas en estudios anteriores de FRVT. (El equipo no probó la capacidad de los algoritmos para realizar coincidencias de «uno a varios», que se utiliza para determinar si una persona en una foto coincide con alguna en una base de datos de imágenes conocidas).

Debido a que las mascarillas del mundo real difieren, el equipo ideó nueve variantes de máscara, que incluían diferencias en la forma, el color y la cobertura de la nariz. Las máscaras digitales eran negras o de un azul claro que es aproximadamente del mismo color que una máscara quirúrgica azul. Las formas incluían máscaras redondas que cubren la nariz y la boca y un tipo más grande tan ancho como la cara del usuario. Estas máscaras más anchas tenían variantes altas, medias y bajas que cubrían la nariz en diferentes grados. Luego, el equipo comparó los resultados con el rendimiento de los algoritmos en rostros desenmascarados. 

Si estas limitaciones se mantienen firmemente en mente, dijo Ngan, el estudio proporciona algunas lecciones generales al comparar el rendimiento de los algoritmos probados en rostros enmascarados versus desenmascarados. 

El informe, Prueba continua del proveedor de reconocimiento facial (FRVT) Parte 6A: Precisión del reconocimiento facial con máscaras faciales que utilizan algoritmos anteriores a COVID-19 , ofrece detalles del rendimiento de cada algoritmo y el equipo ha publicado información adicional en línea .

Ngan dijo que la próxima ronda, prevista para finales de este verano, probará algoritmos creados con las máscaras faciales en mente. Las rondas de estudios futuras probarán búsquedas de una a muchas y agregarán otras variaciones diseñadas para ampliar aún más los resultados.

Este trabajo se llevó a cabo en colaboración con la Dirección de Ciencia y Tecnología del Departamento de Seguridad Nacional, la Oficina de Gestión de Identidad Biométrica y Aduanas y Protección Fronteriza.

Fuente: NIST