NIST生物识别标准和测试负责人Patrick Grother在本周表示，新出的两个行业标准，将有助于对面部识别技术进行改善。

在 2020年国际面部性能会议（IFPC）的第二天，Patrick Grother解释了针对面部图像质量的ISO / IEC 24358面部识别捕获规范和ISO / IEC 29794-5标准的含义。

有多种原因说明这两项新的标准将有助于面部识别技术的改进。

Patrick Grother说，提高图像质量可以帮助更广泛地应用演示攻击检测，并且还可以对一类面部感知捕获设备进行编程，以将图像直接上载到发行机构，以避免潜在的欺骗性欺骗风险。

更高的分辨率和更低的压缩率对于地址人口统计或人工审查也是非常有用的。这些标准没有规定解决方案，而是借鉴了现有的工作，例如姿态估计。

通过指定对具有高像素深度或灵敏度的机器视觉相机的要求，或通过闭环曝光控制（其中在传感器上调整诸如增益之类的参数），可以实现确保高质量图像。

“从总体上来说，这种项目旨在使面部捕捉至少与指纹捕捉一样成熟。”

这两种生物特征识别方法都有专用的传感器，但是正如Grother指出的那样，大多数面部识别仍然是“使用照相机进行的”，这可能会导致多张面孔或图像失真。

面部识别捕获标准将强制要求静态图像，并为相机子系统指定某些功能，包括面部检测，范围估计，姿势估计和照明控制。智能手机通常具有计算机视觉功能来帮助用户拍摄更好的照片，Grother说，这证明，尽管受到成本和外形因素的限制，但成像远远超出了廉价的现成网络摄像头的能力。

高清晰度成像还希望减少误报几率，而不用牺牲这种改善来换取更多的误报次数。家族关系，尤其是双胞胎，超出了大多数算法的区分能力，从单个区域中提取的大型数据集内的比较同样显示了假阳性的持续存在，这与会议之前讨论的“广泛同质性”效应一致。

足够高的分辨率甚至可以显示出皮肤纹理，这在遗传上似乎不像许多其他特征（如微小的疤痕）那样紧密。

其他形式也有要求，例如虹膜生物特征识别的照明，其等效性可能会大大有益于面部生物特征识别，Grother表示。

建立护照照片的标准时，Grother认为有一个努力要求包括足够高的分辨率以比较皮肤纹理，但最终该特性通常根本不使用。

“人脸图像质量评估不是一个琐碎的话题，”但是，Grother警告说。

为了在所有注册情况下均具有价值，该标准必须支持盲目评估，例如个人首次申请驾驶执照或护照时，没有可与之进行比较的图像。该标准的工作组已经评估了使用规范肖像作为所需特征的基准。

“不正确的样品拒绝率”用于衡量可匹配照片的拒绝率，而“不正确的样品接受率”用于显示高质量图像，但无法匹配。

质量评估算法已由Rank One，Paravision和其他几个组织提交。然后，该小组使用了同一家公司的面部识别算法，以及AnyVision，Imperial College和Innovatrics，发现供应商预测自己的真实分数要比其他开发人员的算法更好。最有效的比较能够剔除1％的样本，并将不正确的样本接受率降低大约六倍，这表明该技术可以工作，尽管目前它需要一组非常具体的条件。