這些結果令面部識別行業感到不安。在新冠病毒大流行期間，因為人們開始佩戴口罩，人臉識別行業一直在忙著開發僅通過眼睛和鼻子識別人的算法。

口罩是限制疾病傳播的必要工具，美國政府要求民眾戴上這些防護工具。然而這些口罩給面部識別軟件帶來了麻煩，進而使得科技公司不得不做出調整。比如蘋果已經推出了一項技術更新，從而使得Face ID可以在人們戴著面罩的情況下有效。

人臉識別算法依賴于獲取盡可能多的個人圖像數據點，而口罩往往會帶走大量有價值的識別信息。該研究發現，雖然人臉識別算法面臨的挑戰已經夠多，像不適當的光線、糟糕的角度都能欺騙到它，而口罩則讓情況變得更糟。

研究發現，當看到人們戴著面具的圖像時，一種算法的錯誤率從0.3%上升到5%。據悉，該研究測試了89種人臉識別算法對口罩的有效性。

這項測試著眼于算法的“一對一”匹配能力--本質上是將一張人的照片跟另一張人的照片進行對比，但他們都戴上了面具。為此，NIST使用了600萬張圖片進行研究并使用了數字遮罩，而覆蓋層則有不同的變化。

研究還發現，鼻子被遮住的部位越多，口罩對算法的阻礙性就越強。研究還顯示，黑色面罩比藍色面罩更容易騙過算法。

NIST表示，這是圍繞面部識別和口罩進行的一系列測試中的第一個。該機構計劃在今年夏天晚些時候測試專門為覆蓋物創建的算法，其希望算法能在檢測戴口罩的人方面有所改進。。

“隨著疫情的到來，我們需要了解人臉識別技術是如何處理佩戴口罩的面部的，”NIST研究人員Mei Ngan表示，“我們已經開始關注在大流行之前開發的算法如何受到戴口罩的受試者的影響。”