Les masques confondent même les meilleurs algorithmes de reconnaissance faciale

Un groupe de chercheurs a constaté que les masques faciaux provoquent des erreurs dans les algorithmes de reconnaissance faciale jusqu’à 50 % du temps.

Il s’avère que les masques pour couvrir la bouche et le nez ne sont pas seulement efficaces pour prévenir les maladies transmises par l’air comme le COVID 19.

Ils réussissent également à bloquer les algorithmes de reconnaissance faciale, selon un groupe de chercheurs.

Dans un rapport publié cette semaine, l’Institut national américain des normes et de la technologie (NIST) a constaté que les masques faciaux brouillaient même les algorithmes de reconnaissance faciale les plus avancés. L’erreur varie de 5 à 50 %, selon les capacités de chaque algorithme.

Ces résultats sont troublants pour l’industrie de la reconnaissance faciale, qui tente de développer des algorithmes capables d’identifier les gens simplement par les yeux et le nez.

D’autant plus que nous portons de plus en plus de masques à cause de la pandémie de coronavirus.

Les masques sont des éléments essentiels pour empêcher la maladie de se propager davantage. De nombreux dirigeants à travers les États-Unis exigent que les gens se couvrent le visage.

Les masques faciaux ont causé des problèmes aux logiciels de reconnaissance faciale, ce qui a poussé les entreprises technologiques à tenter de s’adapter.

Apple, par exemple, a publié une mise à jour de son système d’exploitation pour que l’identification faciale fonctionne même si les gens portent un masque.

Les algorithmes de reconnaissance faciale dépendent de l’obtention du plus grand nombre possible de données à partir de l’image d’une personne, et les masques ont tendance à supprimer beaucoup d’informations précieuses pour l’identification.

Les algorithmes sont suffisamment complexes pour qu’un mauvais éclairage ou un mauvais angle trompe la technologie, et les masques rendent la tâche encore plus difficile, explique l’étude.

L’étude a révélé qu’un algorithme avec une marge d’erreur de 0,3 % atteignait 5 % lorsqu’il était confronté à des images de personnes portant des masques. L’étude a testé l’efficacité de 89 algorithmes de reconnaissance faciale contre les masques.

Le test s’est concentré sur la capacité des algorithmes à comparer une photo d’une personne avec une photo de la même personne portant un masque. Le NIST a utilisé 6 millions d’images et les a masquées numériquement, avec différents types de couverture.

L’étude a également révélé que plus le nez était couvert, plus l’algorithme était susceptible de poser des problèmes. Les chercheurs ont également constaté que les masques noirs étaient plus susceptibles de brouiller l’algorithme que les masques bleus.

Le NIST a déclaré que c’était le premier d’une série de tests de reconnaissance faciale et de masques. L’agence prévoit également de tester des algorithmes qui ont été créés spécifiquement pour les visages couverts.

« Avec l’arrivée de la pandémie, nous devons comprendre comment la technologie de reconnaissance des visages traite les visages couverts », a déclaré Mei Ngan, un chercheur du NIST chargé de l’enquête. « Nous avons commencé par examiner comment les algorithmes développés avant la pandémie pourraient être affectés par les masques.

Ngan a déclaré que le NIST espère que les algorithmes amélioreront leur capacité à identifier les personnes portant des masques. L’étude a également reconnu des limites parce que les masques utilisés dans les tests étaient des masques numériques plutôt que des masques physiques réels.

Il s’agit d’un détail qui a des significations essentielles, comme le fait qu’un masque physique ne s’adapte pas parfaitement au visage, comme le pourrait un complément numérique. En plus des différents motifs et textures que présentent les vrais masques.

« Nous pouvons arriver à certaines conclusions à travers les résultats, mais il y a certaines choses à garder à l’esprit », a déclaré M. Ngan. « Aucun de ces algorithmes n’a été conçu pour traiter des masques et les masques que nous avons utilisés étaient des créations numériques, pas des vrais.

Les chercheurs spécialisés dans la reconnaissance faciale rassemblent des photographies de personnes portant des masques comme données pour leurs algorithmes. Mais dans certains cas, les gens ne savent pas que ces images sont utilisées.

L’étude du NIST a utilisé des photographies de personnes ayant demandé des prestations d’immigration et a modifié numériquement les photos des voyageurs qui sont entrés aux États-Unis.