Conclusiones clave
- Los algoritmos de reconocimiento facial están mejorando en la lectura de rostros con máscaras puestas.
- Un nuevo estudio muestra las limitaciones de cómo un algoritmo puede leer una máscara facial, como el color y la forma de la máscara.
- Los expertos dicen que la industria del reconocimiento facial está trabajando activamente para incluir máscaras faciales en sus algoritmos.
Muchas industrias han tenido que adaptarse a la pandemia, incluida la industria del reconocimiento facial. Los expertos dicen que la tecnología está mejorando lentamente para reconocer a las personas que usan máscaras faciales.
Un nuevo informe publicado por el Instituto Nacional de Estándares y Tecnología (NIST) muestra los resultados de 65 nuevos algoritmos de reconocimiento facial creados después del comienzo de la pandemia de COVID-19, así como 87 algoritmos presentados antes de la pandemia. El informe reveló que los desarrolladores de software están mejorando en el desarrollo de algoritmos que reconocen rostros enmascarados, incluso siendo tan precisos como los algoritmos de reconocimiento facial normales.
"Si bien algunos algoritmos previos a la pandemia siguen siendo los más precisos en fotos enmascaradas, algunos desarrolladores han presentado algoritmos después de la pandemia que muestran una precisión significativamente mejorada y ahora se encuentran entre los más precisos en nuestra prueba", se lee en el informe..
Lo que encontró el estudio
El estudio fue el segundo de su tipo realizado por el NIST con el mismo conjunto de datos destinado a probar los algoritmos de reconocimiento facial y su precisión en presencia de máscaras faciales. Los autores del informe utilizaron 6,2 millones de fotografías y aplicaron simulaciones de varias combinaciones de máscaras digitales a estas imágenes.
Mei Ngan, coautora del informe y científica informática del NIST, le dijo a Lifewire en una entrevista telefónica que la presencia de máscaras faciales básicamente ha hecho retroceder la tecnología de reconocimiento facial entre dos y tres años.
"Las tasas de error oscilan entre el 2,5 % y el 5 %, en comparación con la tecnología de punta en 2017", dijo.
Un informe anterior del NIST publicado en julio analizó el rendimiento de los algoritmos de reconocimiento facial presentados antes de marzo de 2020, antes de que la Organización Mundial de la Salud declarara una pandemia global. Este primer estudio encontró que la tasa de error de estos algoritmos previos a la pandemia estaba entre el 5 % y el 50 %.
Incluso si estos algoritmos están mejorando en la lectura de rostros enmascarados, el estudio más reciente encontró que algunos factores afectan la tasa de error, como el color de la máscara (las máscaras más oscuras como el rojo o el negro tienen tasas de error más altas) y cómo la máscara tiene forma (las formas de máscara más redondas tienen tasas de error más bajas).
Ngan dijo que los algoritmos usan la parte visible de la cara de alguien, como la región alrededor de los ojos y la frente, para reconocer las características faciales en lugar de leer a través de la máscara en sí.
El futuro del reconocimiento facial y las mascarillas faciales
Ngan dijo que es obvio que los desarrolladores han realizado mejoras significativas con sus algoritmos de reconocimiento facial en lo que respecta a las máscaras faciales.
"Claramente, existe la necesidad de que los sistemas de reconocimiento facial operen bajo las limitaciones del uso de máscaras faciales", dijo. "Dado lo que hemos estado haciendo y los resultados de nuestro estudio reciente, vemos que la industria del reconocimiento facial está trabajando activamente para incluir máscaras faciales en sus algoritmos".
Dado que la tecnología está mejorando, eso significa que será más fácil hacer cosas como desbloquear nuestros teléfonos mientras usamos una máscara facial, pero hay otras implicaciones cuando se trata de que el reconocimiento facial avance de esta manera.
Numerosos estudios muestran que se informa ampliamente que el reconocimiento facial identifica erróneamente a la persona equivocada y tiene sesgos raciales. Un estudio de 2019 realizado por el NIST descubrió que la tecnología de reconocimiento facial identifica erróneamente a las personas negras y asiáticas hasta 100 veces más que a las personas blancas.
Incluso si la tecnología está mejorando en la lectura de máscaras faciales, el porcentaje de error, por pequeño que sea, aún podría ser una preocupación por identificar erróneamente a una persona que usa una máscara facial.
Si bien el informe más reciente del NIST muestra que los algoritmos están mejorando en el manejo de la tarea de las máscaras faciales, Ngan dijo que solo el tiempo dirá si este es realmente el futuro del reconocimiento facial en tiempos de pandemia.
"Tal vez podamos esperar más reducciones de errores, o tal vez los desarrolladores encuentren limitaciones en la cantidad de información única en la región sin máscara", dijo Ngan.
