Key Takeaways
- Gesichtserkennungsalgorithmen werden immer besser darin, Gesichter mit Masken zu lesen.
- Eine neue Studie zeigt Einschränkungen auf, wie ein Algorithmus eine Gesichtsmaske lesen kann, wie zum Beispiel die Farbe und Form der Maske.
- Experten sagen, dass die Gesichtserkennungsbranche aktiv daran arbeitet, Gesichtsmasken in ihre Algorithmen aufzunehmen.
Viele Branchen mussten sich auf die Pandemie einstellen, einschließlich der Gesichtserkennungsbranche. Experten sagen, dass die Technologie langsam besser darin wird, Menschen zu erkennen, die Gesichtsmasken tragen.
Ein neuer vom National Institute of Standards and Technology (NIST) veröffentlichter Bericht zeigt die Ergebnisse von 65 neuen Gesichtserkennungsalgorithmen, die nach Beginn der COVID-19-Pandemie entwickelt wurden, sowie von 87 Algorithmen, die vor der Pandemie eingereicht wurden. Der Bericht enthüllte, dass Softwareentwickler immer besser darin werden, Algorithmen zu entwickeln, die maskierte Gesichter erkennen, und sogar so genau wie normale Gesichtserkennungsalgorithmen werden.
"Während einige Algorithmen vor der Pandemie immer noch zu den genauesten auf maskierten Fotos zählen, haben einige Entwickler nach der Pandemie Algorithmen eingereicht, die eine deutlich verbesserte Genauigkeit aufweisen und nun zu den genauesten in unserem Test gehören", heißt es in dem Bericht.
Was die Studie herausgefunden hat
Die Studie war die zweite ihrer Art, die von NIST mit demselben Datensatz durchgeführt wurde, der dazu diente, Gesichtserkennungsalgorithmen und ihre Genauigkeit in Gegenwart von Gesichtsmasken zu testen. Die Autoren des Berichts verwendeten 6,2 Millionen Fotos und wendeten Simulationen verschiedener digitaler Maskenkombinationen auf diese Bilder an.
Mei Ngan, Co-Autorin des Berichts und Informatikerin bei NIST, sagte Lifewire in einem Telefoninterview, dass das Vorhandensein von Gesichtsmasken die Gesichtserkennungstechnologie im Wesentlichen um zwei bis drei Jahre zurückgeworfen hat.
"Fehlerquoten liegen irgendwo zwischen 2,5 % und 5 % – vergleichbar mit dem Stand der Technik im Jahr 2017", sagte sie.
Ein früherer Bericht von NIST, der im Juli veröffentlicht wurde, befasste sich mit der Leistung von Gesichtserkennungsalgorithmen, die vor März 2020 eingereicht wurden, bevor die Weltgesundheitsorganisation eine globale Pandemie ausrief. Diese erste Studie ergab, dass die Fehlerquote dieser präpandemischen Algorithmen zwischen 5 % und 50 % liegt.
Auch wenn diese Algorithmen beim Lesen maskierter Gesichter immer besser werden, hat die neuere Studie ergeben, dass einige Faktoren die Fehlerrate beeinflussen, wie z. B. die Maskenfarbe (dunklere Masken wie Rot oder Schwarz haben höhere Fehlerraten) und die Art der Maske geformt ist (rundere Maskenformen haben geringere Fehlerraten).
Ngan sagte, dass die Algorithmen den sichtbaren Teil des Gesichts einer Person verwenden, wie die Region um die Augen und die Stirn, um Gesichtszüge zu erkennen, anstatt durch die Maske selbst zu lesen.
Die Zukunft der Gesichtserkennung und Gesichtsmasken
Ngan sagte, es sei offensichtlich, dass die Entwickler ihre Gesichtserkennungsalgorithmen erheblich verbessert hätten, wenn es um Gesichtsmasken gehe.
"Es besteht eindeutig ein Bedarf an Gesichtserkennungssystemen, die unter den Einschränkungen des Tragens von Gesichtsmasken funktionieren", sagte sie. „Angesichts der Dinge, die wir getan haben, und der Ergebnisse unserer jüngsten Studie sehen wir, dass die Gesichtserkennungsbranche aktiv daran arbeitet, Gesichtsmasken in ihre Algorithmen aufzunehmen.“
Da sich die Technologie verbessert, bedeutet das, dass es einfacher sein wird, Dinge wie das Entsperren unserer Telefone zu tun, während wir eine Gesichtsmaske tragen, aber es gibt andere Auswirkungen, wenn es darum geht, die Gesichtserkennung auf diese Weise voranzutreiben.
Zahlreiche Studien zeigen, dass Gesichtserkennung weithin berichtet wird, um die falsche Person falsch zu identifizieren und rassistische Vorurteile zu haben. Eine Studie des NIST aus dem Jahr 2019 ergab, dass die Gesichtserkennungstechnologie Schwarze und Asiaten bis zu 100-mal häufiger falsch identifiziert als Weiße.
Auch wenn die Technologie beim Lesen von Gesichtsmasken immer besser wird, könnte der Fehlerprozentsatz - egal wie klein - immer noch ein Problem für die falsche Identifizierung einer Person sein, die eine Gesichtsmaske trägt.
Während der jüngste NIST-Bericht zeigt, dass Algorithmen bei der Bewältigung der Gesichtsmaskenaufgabe immer besser werden, sagte Ngan, nur die Zeit werde zeigen, ob dies wirklich die Zukunft der Gesichtserkennung in Pandemiezeiten ist.
"Vielleicht können wir weitere Fehlerreduzierungen erwarten, oder vielleicht finden Entwickler Einschränkungen bei der Menge eindeutiger Informationen in der unmaskierten Region", sagte Ngan.
