Masken sind für die Gesichtserkennung (fast) kein Problem mehr
Die Forschung zur Gesichtserkennung hat nach dem Ausbruch der COVID-19-Pandemie große Fortschritte bei der Identifizierung maskierter Gesichter gemacht. Das belegt eine Studie des National Institute of Standards and Technology (NIST) in Maryland, USA, in der die Leistung von Algorithmen zur Gesichtserkennung gemessen wurden.
6,2 Millionen Bilder mussten die Programme abgleichen
Insgesamt analysierten die Wissenschaftler 152 Algorithmen von internationalen renommierten Universitäten, KI-Konzernen und Tech-Unternehmen, davon waren 65 erst ab März zugänglich.
Anhand von von 6,2 Millionen Bildern testete das Team die Fähigkeit der Algorithmen. Dabei mussten die Programme einen "Eins-zu-Eins-Abgleich" durchzuführen, bei dem ein Foto mit einem anderen Foto derselben Person verglichen wird - eine Funktion, die üblicherweise zum Entsperren eines Smartphones verwendet wird. Das eine Foto war ein gut ausgeleuchtetes Porträtbild, das andere ein Foto von einer Webcam. Anschließend wurden die Bilder zum Teil digital mit Masken versehen.
Im Ergebnis wiesen die neuen Algorithmen ein Viertel weniger Fotos mit maskierten Personen zu Unrecht ab als ihre Vorgänger aus der Zeit vor Corona. Sie erkannten also viel öfter, dass zwei Gesichter zusammengehören. Vor allem sank die Falsch-Zurückweisungsrate. Sie zeigt, wie oft richtige Personen nicht erkannt wurden.
Forscher konzentrieren sich seit Corona auf den Augenbereich
"Einige neuere Algorithmen schneiden deutlich besser ab als ihre Vorgänger. In einigen Fällen sank die Falsch-Zurückweisungsrate vor und nach Corona bis um den Faktor 10", sagte Mei Ngan, einer der Autoren der Studie. Die Falsch-Zurückweisungsrate lag für Maskierte zwischen 2,4 und 5 Prozent, für Unmaskierte dagegen bei 0,3 bis 0,5 Prozent. Die Erkennung Maskierter ist somit auf dem Stand, auf dem die Erkennung Unmaskierter 2017 war. Dieser Sprung ist auch darauf zurückzuführen, dass sich die Entwickler seit Beginn der Pandemie auf den Augenbereich fokussieren.
Von einigen Ausnahmen abgesehen waren die Fehlerquoten bis zu 100 Mal höher, wenn das Porträt bild und das Webcam-Bild eine maskierte Person zeigten. Wer also sein Smartphone per Gesichtserkennung entsperrt und ein Foto mit Maske hinterlegt, macht es Unbefugten leichter, auf das Gerät zuzugreifen, warnen die Forscher.
Je mehr von einem Gesicht durch eine Maske verdeckt wird, desto höher ist die Fehlerquote des Algorithmus. Runde Maskenformen, die nur Mund und Nase bedecken, erzeugen dabei weniger Fehler als breite Masken, die sich über die Wangen erstrecken.
Die Maskenfarben beeinflussen die Fehlerquote. Rote und schwarze Masken führten zu höheren Fehlerraten als Masken in anderen Farben.
