Como o reconhecimento facial está aprendendo a ler rostos mascarados

Principais vantagens

• Os algoritmos de reconhecimento facial estão cada vez melhores na leitura de rostos com máscaras.
• Um novo estudo mostra as limitações de como um algoritmo pode ler uma máscara facial, como a cor e o formato da máscara.
• Especialistas dizem que a indústria de reconhecimento facial está trabalhando ativamente para incluir máscaras faciais em seus algoritmos.

Muitas indústrias precisaram se ajustar à pandemia, incluindo a indústria de reconhecimento facial. Especialistas dizem que a tecnologia está lentamente melhorando no reconhecimento de pessoas usando máscaras. Um novo relatório publicado pelo Instituto Nacional de Padrões e Tecnologia (NIST) mostra os resultados de 65 novos algoritmos de reconhecimento facial criados após o início da pandemia COVID-19, bem como 87 algoritmos submetidos pré-pandemia. O relatório revelou que os desenvolvedores de software estão cada vez melhores no desenvolvimento de algoritmos que reconhecem rostos mascarados, chegando a ser tão precisos quanto os algoritmos de reconhecimento facial normais. “Embora alguns algoritmos pré-pandêmicos ainda permaneçam dentro dos mais precisos em fotos mascaradas, alguns desenvolvedores enviaram algoritmos após a pandemia mostrando uma precisão significativamente melhorada e agora estão entre os mais precisos em nosso teste”, diz o relatório.

O que o estudo descobriu

O estudo foi o segundo desse tipo conduzido pelo NIST com o mesmo conjunto de dados destinado a testar algoritmos de reconhecimento facial e sua precisão na presença de máscaras faciais. Os autores do relatório usaram 6,2 milhões de fotos e aplicaram simulações de várias combinações de máscaras digitais a essas imagens. Mei Ngan, co-autora do relatório e cientista da computação do NIST, disse Lifewire em uma entrevista por telefone que a presença de máscaras faciais basicamente levou a tecnologia de reconhecimento facial cerca de dois a três anos atrás. “As taxas de erro estão entre 2,5% e 5% – comparáveis ​​com a tecnologia de ponta em 2017”, disse ela. Um relatório anterior do NIST publicado em julho analisou o desempenho dos algoritmos de reconhecimento facial apresentados antes de março de 2020, antes de a Organização Mundial da Saúde declarar uma pandemia global. Este primeiro estudo descobriu que a taxa de erro desses algoritmos pré-pandêmicos fica entre 5% e 50%.

Mesmo que esses algoritmos estejam melhorando na leitura de rostos mascarados, o estudo mais recente descobriu que alguns fatores afetam a taxa de erro, como a cor da máscara (máscaras mais escuras como vermelho ou preto têm taxas de erro mais altas) e como a máscara tem o formato (máscara arredondada as formas têm taxas de erro mais baixas). Ngan disse que os algoritmos usam a parte visível do rosto de alguém, como a região ao redor dos olhos e da testa, para reconhecer características faciais em vez de ler a própria máscara.

O futuro do reconhecimento facial e máscaras faciais

Ngan disse que é óbvio que os desenvolvedores fizeram melhorias significativas em seus algoritmos de reconhecimento facial quando se trata de máscaras. “Há claramente uma necessidade de sistemas de reconhecimento facial operarem sob as restrições do uso de máscaras faciais”, disse ela. “Dadas as coisas que temos feito e os resultados de nosso estudo recente, estamos vendo que a indústria de reconhecimento facial está trabalhando ativamente para incluir máscaras faciais em seus algoritmos.” Como a tecnologia está melhorando, isso significa que será mais fácil fazer coisas como desbloquear nossos telefones usando uma máscara facial, mas há outras implicações quando se trata de avanço do reconhecimento facial dessa forma.

Numerosos estudos mostram que o reconhecimento facial é amplamente relatado para identificar erroneamente a pessoa errada e ter preconceitos raciais. Um estudo de 2019 do NIST descobriu que a tecnologia de reconhecimento facial identifica erroneamente negros e asiáticos até 100 vezes mais do que brancos. Mesmo que a tecnologia esteja melhorando na leitura de máscaras, a porcentagem de erro – não importa quão pequena – ainda pode ser uma preocupação por identificar incorretamente uma pessoa que usa uma máscara. Embora o relatório mais recente do NIST mostre que os algoritmos estão cada vez melhores para lidar com a tarefa da máscara facial, Ngan disse que só o tempo dirá se é realmente para onde o futuro do reconhecimento facial está indo em tempos de pandemia. “Talvez possamos esperar mais reduções de erros, ou talvez os desenvolvedores possam encontrar limitações na quantidade de informações exclusivas na região desmascarada”, disse Ngan.