NIST实验：大部分脸部辨识算法拿口罩没辙，但不会影响安全性

美国国家标准与技术研究所（NIST）对89种商业脸部辨识算法进行测试，发现这些算法都没办法良好地处理戴上口罩的人脸，准确性随着鼻子覆盖率上升而降低，而且颜色和形状也都影响着算法的错误率，即便表现最好的算法，以同一人不戴口罩的照片，辨识戴着口罩的人脸，错误率在5％和50％之间。

由于戴口罩有助于阻止武汉肺炎（COVID-19）病毒的传播，因此全世界人们纷纷戴上了口罩，而这也对脸部辨识算法产生极大的考验，逼得苹果更改iOS对戴口罩人脸的辨识机制。NIST电脑科学家Mei Ngan提到，随着武汉肺炎疫情爆发，相关单位需要了解，人脸辨识技术处理戴口罩人脸的方式。NIST团队探索了各种算法一对一配对的能力，也就是将一张照片与同一个人的另一张照片进行比较，这种功能的用途通常是进行验证，像是解锁智能手机和检查护照。

研究人员以口罩形状的色块，盖在原始人脸照片的口鼻上，以测试算法的效能，考量到口罩的样式不同，依形状、颜色和鼻子覆盖范围，研究团队测试了9种口罩版本，测试口罩颜色除了黑色，还有与手术口罩接近的浅蓝色，形状有覆盖鼻子和嘴巴的圆形口罩，也有和脸部一样宽的大口罩，宽口罩依覆盖鼻子的程度不同，分为高、中和低。

经实验，研发团队得出了几点一般性的结论，脸部戴口罩让所有脸部辨识算法准确性下降，最精确的算法在人们未戴口罩时，错误率只有0.3％，而戴上口罩后，错误率则约有5％，大部分算法错误率则在20％到50％之间。

算法无法良好地处理戴口罩人像，是因为无法撷取足够的人脸特征，一般来说，人脸辨识算法，是透过量测各个人脸特征的大小和之间的距离，而戴上口罩导致算法无法撷取人脸特征，也就无法进行有效的比较。而且实验发现，当口罩遮住鼻子越多，算法准确性就越低。

虽然脸部辨识无法正确辨识人脸，但是算法也不会乱认人，又就是说，算法无法配对同一人两张照片的伪阴性增加，而错误将两个不同人照片，辨识为同一人的伪阳性也会下降，因此研究团队认为，戴口罩并不会影响脸部辨识算法的安全性。

另外，口罩形状与颜色同样都影响着算法的错误率，使用圆形口罩错误率较低，而与蓝色手术口罩相比，黑色口罩降低了算法的效能，而使错误率增加，不过，研究团队并没有完整地测试各种颜色效果。

这项测试是由美国国土安全部科学技术局、生物特征辨识管理办公室，以及美国海关及边境保卫局合作进行，Mei Ngan表示，他们测试了口罩对各家脸部辨识算法的影响后，他们接下来，要开始测试对口罩最佳化的脸部辨识算法。