通过美国国家标准与技术研究院(NIST)对面部识别软件的测试,证实了最精确的人脸识别算法具有在确认旅客身份的时候很少出错的性能。
今天公布的研究结果,即作为人脸识别供应商测试(FRVT)第7部分:识别无纸化旅行和移民(NISTIR 8381),专注于人脸识别(FR)算法在特定模拟环境下的表现:将旅客的图像与先前存储在数据库中的旅客照片进行匹配。 这种FR的使用是目前国际航班登机程序的一部分,既可以在航空公司的航班花名册中确认旅客的身份,也可以记录旅客从美国正式入境时的情况。
结果表明,NIST测试的几种FR算法可以通过对旅客面部的一次扫描来完成,准确率达到99.5%或更高,特别是当数据库中包含该旅客的多张图像时。
该报告的作者之一、NIST计算机科学家Patrick Grother说道:“我们进行了模拟来描述一套系统的特征,这个系统有两项功能:在登机口识别旅客并记录他们的出境。我们发现,不同算法准确性有所不同,但现代算法通常表现得更好。 如果航空公司使用更精确的数据,旅客就可以毫无差错地登上许多航班。”
先前的FRVT研究集中于评估算法如何执行FR最常见的两种任务。 第一个任务是确认一张照片与同一个人的不同照片相匹配,这被称为“一对一”匹配,通常用于验证工作,比如解锁智能手机。 第二种方法是确定照片中的人是否在大型数据库中有匹配,称为“一对多”匹配。
这项最新的测试涉及机场过境设置中一对多匹配的特定应用程序,将旅客的面孔与预计都在列的个人数据库进行匹配。 在这种情况下,一个设定的航班上只有几百名旅客。 然而,NIST也研究了该技术在机场的其他地方是否可行,特别是在安检线,在某个时间段内可能会有100倍以上的人(该数据库是根据以前FRVT研究中使用的图像建立的,但受试者没有戴口罩)。
与之前的研究一样,该团队使用的软件是开发者自愿提交给NIST进行评估的。 这一次,研究小组只看了设计用来执行一对多匹配任务的软件,总共评估了29种算法。
该报告的调查结果包括:
如果数据库中包含一名旅客的图像,有7种性能最好的算法可以首次成功识别至少99.5%的旅客。研究表明,如果数据库中只包含每个人的单一图像,在每趟搭载420名旅客的航班进行的567次模拟登机过程中,最准确的FR算法识别旅客登机达428次,没有任何假阴性(即软件无法匹配同一个人的两张照片)。 就错误率而言,这相当于至少99.87%的旅客在照相机前亮相一次后就能够成功登机。 另外六种算法的准确率均高于99.5%。
如果数据库包含一个旅客的多个影响,性能则显著提高。数据库图库可以包含单个旅客的多个图像, 当一名旅客的平均6张先验图像在图库中,那么所有算法都实现了较大的提升:最精确的算法成功查验567个航班中的545组乘客的身份,且没有任何错误;至少有18个开发人员的算法可以有效地识别超过99.5%的乘客,在他们仅被拍照一次的情况下。
数据库中的人口统计差异几乎没有影响。研究小组研究了男性和女性受试者的表现差异,还研究了不同国籍的人的表现差异,这是照片中包含的两个身份标识。 国籍可以反映种族背景,但并不总是如此。 算法在所有这些变化中都具有很高的准确性。 假阴性在所有情况下几乎都很少见,虽然在女性中稍微常见一些。
Grother说,这项研究没有解决一个重要的因素:FR系统使用的相机类型。 由于机场环境不同,摄像头本身的运行方式也不同,这份报告为航空公司或移民局提供了一些测试指导,以补充NIST的测试结果。 这种测试将提供准确的评估,反映使用时的实际设备和环境。 “我们不关注摄像头,因为它是一个有影响力的变量,”他说, “我们建议工作人员完成我们罗列的其他测试以改进他们的操作。”