O Instituto Nacional de Padrões e Tecnologia (NIST) relatou os resultados de seu teste de 2013 de algoritmos de reconhecimento facial, mostrando que a precisão melhorou até 30% desde 2010.A estrela do show foi a NEC, cujo algoritmos permanecem o mais preciso, seguidos por aqueles da Morpho que se fundiu seus algoritmos com aqueles adquiridos a partir de Soluções de Identidade L1 em 2011. Posteriormente, a Toshiba, Sistemas Cognitec e 3M/Cogent constituíram os principais fornecedores comerciais, disseram os pesquisadores.
O pesquisador biométrico do NIST, Patrick Grother e Mei Ngan, relatou desempenho de algoritmos de identificação facial, que inclui resultados de algoritmos apresentados por 16 organizações.
A NEC diz que sua tecnologia ficou em primeiro lugar, pela terceira vez consecutiva, após a 2009 Multiple Biometric Grand Challenge (MBGC 2009) e 2010-2011 Múltipla Biometria de Avaliação (MBE 2010-2011).
Estes testes FRVT recentes para um-para-muitos de busca (classe C) avaliaram a precisão do número de matrículas de banco de dados e pesquisas de identidade pessoal usando grandes volumes de dados de imagem de rosto (mais de 1,6 milhões de pessoas), incluindo vários "alta qualidade" mugshots criminais, "baixa qualidade "webcams tirar fotos, e" Padrão de Qualidade "imagens fotográficas passaporte / visto.
É importante os pesquisadores notaram que o desempenho não é single-facetada e qualquer ranking de desempenho entre os algoritmos devem ser ponderados por requisitos específicos do aplicativo. Por exemplo, alguns algoritmos são mais adequados para o reconhecimento de imagens de webcam difíceis; e a velocidade de pesquisa de alguns algoritmos aumenta lentamente com o tamanho da população adscrita.
Pesquisadores definido desempenho pelo reconhecimento precisão, quantas vezes o software identificou corretamente o foto – e o tempo dos algoritmos levou para combinar uma foto contra enormes conjuntos de dados de fotos. "Estudamos a identificação de um-para-muitos, pois é o maior mercado para a tecnologia de reconhecimento facial", disse Grother. "Esses algoritmos são utilizados em todo o mundo para detectar duplicatas em bancos de dados, aplicações fraudulentas para passaportes e cartas de condução, no controle token-menos acesso, vigilância, identificação de mídia social, descoberta sósia e investigações criminais."
Quatro grupos de pesquisa registrados em ambos os 2013 e do teste anterior de 2010, permitindo que os pesquisadores do NIST para comparar melhorias de desempenho ao longo do tempo. Eles descobriram que esses grupos tinham melhorado o seu desempenho nos testes por entre 10 e quase 30 por cento. Uma organização reduziu a sua taxa de erro de 8,9 por cento em 2010 para 6,4 por cento em 2013.
Em ambos os anos, o estudo utilizou uma base de dados de 1,6 milhões de rostos. Em 2010, as imagens eram imagens frontais "mugshot" de agências de aplicação da lei que cumprem rigorosamente com a ANSI / NIST ITL 1-2011 Tipo 10 standard. Em 2013, pesquisadores adicionaram um pequeno banco de dados de imagens tiradas de pedido de visto que atendem a um (International Organization for Standardization Comissão / Eletrotécnica Internacional) ISO / IEC padrão e 140 mil imagens de webcam tomadas em ambientes mal controlados que não estejam em conformidade com qualquer padrão.
Os algoritmos testados tiveram o melhor desempenho nas imagens padronizadas ISO relativamente de alta qualidade coletados para passaporte, visto e os pedidos de licença de condução. Detectar duplicatas nessas aplicações é o maior segmento do mercado de reconhecimento de face. Não há algoritmos funcionou bem com as imagens da webcam. Taxas de falha de pesquisa para essas imagens eram cerca de três vezes maior do que para as imagens de maior qualidade.
O estudo também mostrou que as taxas de partidas faciais ausentes aumentar à medida que o tamanho do banco de dados aumenta como esperado, mas que ele faz isso muito lentamente. Quando o número de imagens faciais aumentou por um fator de 10 a partir de 160 mil para 1,6 milhão de a taxa de erro aumentou apenas cerca de 1,2 vezes. Este crescimento mais lento, então o esperado nas taxas de erro ocorre em muitos fenômeno natural, e "é o grande responsável pela utilidade operacional de algoritmos de identificação de face", explica Grother. Foram identificados Imagens de indivíduos mais velhos com mais precisão do que os de pessoas mais jovens, o que sugere que nós nos tornamos cada vez mais fácil de reconhecer usando software de reconhecimento facial, e mais distinguível de nossos contemporâneos, à medida que envelhecemos.
Olhando mais de perto os resultados, no teste de classificação um taxas de perder para o reconhecimento do tamanho da população de 1,6 milhões, NEC alcançou 4,1% seguido de 9,1% para o segundo melhor vendedor – colocar isso em perspectiva, isso significa que o segundo melhor vendedor faria perca 80.000 candidatos patente uma comparação com a NEC.
NEC diz que sua solução (AFR) reconhecimento automatizado cara está ganhando maior aceitação em várias novas indústrias além de seu uso tradicional na aplicação da lei – incluindo varejo, hospitalidade e outros negócios.
