Los sistemas de reconocimiento facial son cada vez mejores a la hora de reconocer rostros con mascarillas, lo que sugiere que su uso no es un problema tan grande para estos sistemas como se consideraba inicialmente.
Según datos publicados por el Instituto Nacional de Estándares y Tecnología de Estados Unidos (NIST, según sus siglas en ingles), los algoritmos registrados desde mediados de marzo de este año muestran reducciones notables en las tasas de error a la hora de reconocer rostros con mascarillas en comparación con el periodo anterior a la pandemia del Covid-19.
En este sentido, existen dos tipos de error: las falsas no coincidencias (FNMR, según sus siglas en ingles) y las falsas coincidencias (FMR). Las primeras se dan cuando se considera que dos datos biométricos de la misma persona son de diferentes personas, mientras que la FMR se da cuando se considera que dos datos biométricos de diferentes personas provienen de la misma persona.
El informe, que se basa en pruebas independientes de 152 algoritmos de reconocimiento facial, señala que al comparar las tasas de error en el reconocimiento de rostros con máscaras y sin máscaras, las FNMR medias en algoritmos presentados desde mediados de marzo se redujeron un 25%, en comparación con el periodo anterior a la pandemia.
El estudio también señala que las mascarillas que tapan una mayor parte del rostro dan mayores tasas de falsas coincidencias y que el color de la mascarilla también es un factor a tener en cuenta, ya que muchos algoritmos tienen tasas de error más altas con mascarillas negras y rojas que con mascarillas azules y blancas.
La forma de las mascarillas también es importante, ya que los resultados de los algoritmos después de la pandemia muestran que las mascarillas que cubren todo el ancho de la cara generalmente dan más tasas de falsas no coincidencias que aquellas que son más redondas.
Fuente: DPA
