El Instituto Nacional de Estándares y Tecnología (NIST) de EE. UU. descubrió que los revestimientos faciales (máscaras faciales) pueden causar tasas de error de entre cinco y 50 % a las tecnologías y sistemas de reconocimiento facial.
Problemas con las Máscaras Faciales
Las máscaras faciales diseñadas para detener la propagación del coronavirus están causando dificultades significativas para los sistemas de reconocimiento facial. Un estudio preliminar publicado esta semana encontró que incluso los mejores sistemas comerciales de reconocimiento facial pueden estar equivocados hasta la mitad del tiempo.
El problema de la máscara es la razón por la que Apple a principios de este año facilitó a los propietarios de iPhone desbloquear sus teléfonos sin Face ID.
También podría ser frustrante los intentos de las autoridades para identificar a personas individuales en las protestas de Black Lives Matter y otras reuniones. Las compañías de reconocimiento facial utilizan algoritmos que se basan en marcadores faciales clave alrededor de los ojos, la nariz y la boca.
Sin embargo, con la nariz, la boca y gran parte de las mejillas y el mentón cubiertos, estos algoritmos pueden carecer de la capacidad de identificar a un individuo.
Las compañías ahora están tratando de alterar los algoritmos para usar únicamente los marcadores identificables alrededor de los ojos.
El estudio examinó los algoritmos creados antes de la pandemia, y los investigadores ahora evaluarán las formas en que los proveedores comerciales pueden mejorar su efectividad en la detección de individuos enmascarados.
NIST probó las diversas piezas de software dibujando máscaras digitales en imágenes de caras en un tesoro de fotografías de cruce de fronteras. Estos se introdujeron en tecnologías de reconocimiento facial junto con imágenes sin máscara de la misma fuente.
La agencia dice que escaneó 6,2 millones de imágenes de aproximadamente un millón de personas utilizando 89 algoritmos diferentes suministrados por empresas tecnológicas y laboratorios académicos.
En condiciones ideales, NIST dice que la tasa de fallas para los mejores sistemas de reconocimiento facial es de solo un 0.3 %. Sin embargo, esto varía según el género, la edad y la raza de una persona. Con una máscara, esta cifra aumenta instantáneamente alrededor del cinco por ciento.
Cuando se enfrenta con máscaras, la agencia dice que “muchos algoritmos competentes fallaron entre el 20 % y el 50 % del tiempo”.
Incluso antes de la pandemia de coronavirus, algunos gobiernos habían buscado tecnología para reconocer a las personas cuando intentaban ocultar sus rostros.
Las máscaras faciales se habían convertido en un sello distintivo de los manifestantes en Hong Kong, incluso en marchas pacíficas, para protegerse contra el gas lacrimógeno y en medio del temor a represalias si se los identificaba públicamente.
El gobierno prohibió cubrirse la cara en todas las reuniones públicas el año pasado y advirtió sobre un posible plazo de prisión de seis meses por rechazar la orden de un oficial de policía de quitarse una máscara.
Los activistas de la privacidad, a su vez, han buscado formas creativas de camuflarse.
En Londres, los artistas que se oponen a la vigilancia de alta tecnología se han pintado las caras con formas geométricas de una manera diseñada para codificar los sistemas de detección de rostros.
Luego vino el brote de coronavirus, cuando los expertos en salud de todo el mundo comenzaron a alentar a todos a usar máscaras que cubran la boca y la nariz.
El estudio preliminar del NIST dice que las máscaras que usan las personas y cómo las usan marcan la diferencia en los sistemas de reconocimiento facial.
Los resultados no son sorprendentes: mientras más rasgos faciales están cubiertos, más difícil es reconocer a la persona debajo de la máscara.
Uno de los autores del informe del NIST, el científico informático Mei Ngan, dijo que los investigadores “esperan que la tecnología continúe mejorando” para identificar a los sujetos que utilizan máscaras.
En consecuencia, NIST planea considerar más algoritmos que se han actualizado para reconocer a las personas que usan máscaras en su próxima ronda de investigación.
