Gesichtserkennung: Auf Schutzmasken ausgerichtete Algorithmen versagen oft

Mund-Nase-Masken verschlechtern auch die Fähigkeit von Systemen zur Gesichtserkennung, die diese berücksichtigen können sollten.

In Pocket speichern vorlesen Druckansicht 43 Kommentare lesen
Gesichtserkennung: Auf Schutzmasken ausgerichtete Algorithmen versagen oft

(Bild: Rank One)

Lesezeit: 3 Min.

Viele Hersteller von Technik für die biometrische Gesichtserkennung haben in jüngster Zeit behauptet, dass sie ihre Algorithmen an Nasen-Mund-Schutzmasken angepasst haben und auch teilweise verdeckte Personen mittlerweile ziemlich genau identifizieren können. Die jüngsten Ergebnisse einer Studie US-Normungsbehörde NIST zeigen aber, dass die Masken die Fehlerraten auch von neuen Systemen deutlich erhöhen.

In einem am Dienstag veröffentlichten Update zu früheren Untersuchungen hat das Institut für Standards und Technologie 41 Algorithmen zur automatischen Gesichtserkennung untersucht, die Entwickler nach Mitte März während der in westlichen Ländern sich stark ausbreitenden Covid-19-Erkrankungen eingereicht hatten. Viele davon sollen gezielt mit Rücksicht auf Gesichtsmasken entworfen oder überarbeitet worden sein. Ein erster Test der NIST mit nicht auf Masken angepassten Algorithmen hatte gezeigt, dass selbst die 89 besten davon Fehlerraten zwischen fünf und 50 Prozent aufwiesen.

Laut den neuen Erkenntnissen tun sich auch die angepassten Systeme mit teilweise bedeckten Gesichtern schwer. Mitunter ließen sie sich durch Masken völlig aus dem Konzept bringen, die Falscherkennungsrate war um bis zu 99 Prozent erhöht. Der Anbieter Rank One etwa, dessen Systeme in Städten wie Detroit eingesetzt werden, hatte eine Fehlerquote von 0,6 Prozent bei unverdeckten Gesichtern. Diese erhöhte sich auf 34,5 Prozent, sobald die Forscher Masken digital anbrachten.

Im Mai brachte die Firma den neuen Dienst "Periocular Recognition" auf den Markt, der angeblich Personen direkt an den Augen und Teilen der Nase identifizieren können soll. Rank-0ne-Geschäftsführer Brendan Klare erklärte gegenüber dem US-Magazin CNet aber, dass es dem Unternehmen noch nicht möglich gewesen sei, den Algorithmus an das NIST zu übermitteln, da diese immer nur eine Eingabe pro Organisation zulasse. Die aktualisierte Studie berücksichtige daher noch nicht den aktuellsten Stand der Technik.

Ganz ähnlich sieht das Resultat beim Hersteller TrueFace aus, dessen Produkte in den USA zum Beispiel an Schulen oder Kasernen der Air Force verwendet werden. Die Falscherkennungsrate stieg hier von 0,9 auf 34,8 Prozent bei angefügten Masken. Die Firmenführung hatte Mitte August gegenüber CNN angegeben, dass ein Algorithmus zur noch besseren Berücksichtigung der Abdeckungen gerade in Arbeit sei.

Besser schnitt das chinesische Unternehmen Dahua mit seiner Technik ab, bei der die Fehlerrate von 0,3 auf sechs Prozent anstieg. Der in Amsterdam sitzende Anbieter VisionLabs erreichte trotz Masken eine vergleichbar niedrige Falscherkennungsquote von 3,5 Prozent im Gegensatz zu 0,28 Prozent bei unverdeckten Gesichtern.

Die NIST will ihre Prüfreihe fortsetzen. Sie verwendet dazu eine Datenbank mit rund sechs Millionen Porträts. Würden die monochromen Masken nicht erst im Computer hinzugefügt, dürften die Fehlerraten noch höher liegen: Echte Stoffe haben unterschiedliche Muster, Texturen und Töne, die die Algorithmen zusätzlich negativ beeinflussen könnten.

(anw)