Face aux masques faciaux, les algorithmes de reconnaissance faciale galèrent  

Selon une étude récente, les masques faciaux utilisés contre le coronavirus contrecarrent même les meilleurs algorithmes de reconnaissance faciale.

En effet, ceux-ci échoueraient jusque dans 50% des cas lorsqu’une personne porte un masque.

Échec

Pour aboutir à ces conclusions, les chercheurs du National Institute of Standards and Technology (NIST)¸ une agence du département du Commerce des États-Unis, ont ajouté numériquement des masques faciaux aux photos de documents d’immigration afin de tester 89 algorithmes de reconnaissance faciale.

Il s’avère que les masques faciaux ne sont pas seulement efficaces pour prévenir la propagation de maladies aéroportées comme le coronavirus, ils permettent également de bloquer les algorithmes de reconnaissance faciale.

Dans son rapport publié en début de semaine, le NIST a constaté que les masques faciaux entravaient la précision des algorithmes de reconnaissance faciale les plus avancés. Les taux d’erreur variaient de 5% à 50%, selon les capacités de l’algorithme.

Mauvaise nouvelle pour l’industrie de la reconnaissance faciale

Ces résultats constituent une mauvaise nouvelle pour l’industrie de la reconnaissance faciale qui s’efforce de développer des algorithmes capables d’identifier les personnes uniquement en fonction de leurs yeux et de leur nez étant donné que les personnes utilisent dorénavant des masques faciaux afin de se protéger en pleine pandémie du coronavirus.

Les masques causent divers problèmes aux logiciels de reconnaissance faciale. Cela a incité les entreprises technologiques à s’adapter. Apple a par exemple réalisé une mise à jour pour de la reconnaissance faciale FaceID des iPhones qui facilite le déverrouillage de l’appareil lorsque l’utilisateur porte un masque.

Les algorithmes de reconnaissance faciale reposent sur l’obtention d’autant de points de données sur l’image d’une personne que possible, et les masques faciaux ont tendance à bloquer l’accès à des informations d’identification précieuses. Les algorithmes sont déjà suffisamment précis pour qu’un mauvais éclairage ou un mauvais angle puisse tromper la technologie. Le port du masque aggrave la situation, indique l’étude.

Selon les scientifiques, un taux d’erreur habituel de 0,3% pour un algorithme passerait à 5% lorsque les personnes portent des masques. L’étude a testé l’efficacité de 89 algorithmes de reconnaissance faciale face aux masques faciaux.

Le test a examiné les capacités de correspondance des algorithmes L’étude a comparé la photo d’une personne à une autre image où cette personne porte un masque. Le NIST a utilisé 6 millions d’images pour ses recherches et a appliqué numériquement des masques aux différentes variations de textiles.

L’étude a également révélé que plus le nez était couvert, plus le masque était susceptible de contrecarrer les algorithmes. Les masques noirs étaient également plus susceptibles de tromper les algorithmes que les bleus.

Le NIST a déclaré qu’il s’agissait du premier d’une série de tests de reconnaissance faciale et de masques faciaux. L’agence prévoit de tester des algorithmes créés spécifiquement pour les textiles plus tard cet été.

« Avec l’arrivée de la pandémie, nous devons comprendre comment la technologie de reconnaissance faciale traite les visages masqués», a déclaré Mei Ngan, chercheur du NIST à l’origine du rapport. « Nous avons commencé par nous concentrer sur la façon dont un algorithme développé avant la pandémie pourrait être affecté par des sujets portant des masques faciaux. »

Ngan a également déclaré que le NIST s’attend à ce que les algorithmes améliorent la détection des personnes portant des masques faciaux. L’étude a reconnu certaines limites. En effet, les masques utilisés dans les tests ont été ajoutés numériquement, il ne s’agissait pas de masques physiques réels. Par conséquent, l’étude comprenait certaines différences clés par rapport à la réalité. Le rapport n’a pas pris en compte les masques physiques qui ne s’adaptent pas parfaitement au visage d’une personne ou encore les différents textiles ou motifs des masques physiques réels.

« Aucun de ces algorithmes n’a été conçu pour gérer les masques faciaux », a tenu à souligner le chercheur.

L’étude du NIST a utilisé des photos de personnes réalisant une procédure de demande d’immigration et des photos de masque, modifiées numériquement, de voyageurs entrant aux États-Unis.