Les masques battent la plupart des algorithmes de reconnaissance faciale
Les masques battent la plupart des algorithmes de reconnaissance faciale,
La précision se dégradant avec une couverture plus importante du nez, selon une étude de NIST
Pendant la pandémie du covid-19, le masque facial est massivement utilisé pour briser la chaîne de contamination et protéger les populations contre le virus. Cependant l’adoption des masques empêche la plupart des systèmes de reconnaissance faciale existants d’être plus efficaces. C’est aussi à ce résultat qu’est parvenue une nouvelle étude publiée cette semaine par le National Institutes of Standards and Technology (NIST), un laboratoire de sciences physiques et une agence du ministère américain du Commerce, lorsque des chercheurs ont tenté d'évaluer la performance de certains des algorithmes de reconnaissance faciale sur des visages partiellement couverts par des masques de protection.
Le port de masques faciaux qui couvrent adéquatement la bouche et le nez fait grimper le taux d'erreur des 89 algorithmes commerciaux de reconnaissance faciale de Panasonic, Canon, Tencent et d'autres qu'ils ont testés de 5 à 50 % dans la correspondance entre les masques appliqués numériquement et les photos de la même personne sans masque. Selon le rapport, les masques noirs et les masques ronds étaient moins susceptibles de provoquer des erreurs que les masques bleus, et plus le nez est couvert par le masque, plus les algorithmes ont trouvé qu'il était difficile d'identifier le visage.
« Avec l'arrivée de la pandémie, nous devons comprendre comment la technologie de reconnaissance faciale traite les visages masqués », a déclaré dans un communiqué Mei Ngan, une informaticienne du NIST et co-auteur du rapport. « Nous avons commencé par nous concentrer sur la manière dont un algorithme développé avant la pandémie pourrait être affecté par des sujets portant des masques faciaux. Plus tard cet été, nous prévoyons de tester la précision des algorithmes qui ont été intentionnellement développés en tenant compte des visages masqués ».
Le NIST est l'agence gouvernementale chargée d'évaluer la précision de ces algorithmes (ainsi que de nombreux autres systèmes) pour le gouvernement fédéral, et d’établir un classement des différents fournisseurs. Ce rapport est le premier d'une série prévue dans le cadre du programme FRVT (Face Recognition Vendor Test) du NIST sur les performances des algorithmes de reconnaissance faciale sur des visages partiellement couverts par des masques de protection, alors que tout le monde en porte un pendant la pandémie.
Il faut noter que le présent rapport du NIST ne porte que sur le test d'un type de reconnaissance faciale connu sous le nom de "one-to-one matching". Il s'agit de la procédure utilisée dans les scénarios de passage des frontières et de contrôle des passeports, où l'algorithme vérifie si le visage de la cible correspond à celui sur son document d’identité. Cette procédure est différente du type de système de reconnaissance faciale utilisé pour la surveillance de masse, où une foule est scannée pour trouver des correspondances avec des visages dans une base de données. C'est ce que l'on appelle un système "one-to-many". L'équipe du NIST a appliqué les algorithmes à un ensemble d'environ 6 millions de photos utilisées dans des études FRVT précédentes.
Pour être proches de la réalité du monde réel des masques différents, les chercheurs ont mis au point neuf variantes de masque à tester, qui comprenaient des différences de forme, de couleur et de couverture nasale. Les masques numériques étaient noirs ou bleu clair, approximativement de la même couleur qu'un masque chirurgical bleu, tandis que les formes allaient de masques ronds couvrant le nez et la bouche à un type aussi large que le visage du porteur. Les masques les plus larges avaient des variantes hautes, moyennes et basses qui couvraient le nez à des degrés divers.
Selon le rapport du NIST, la précision des algorithmes avec les visages masqués a « considérablement » diminué dans tous les cas. En utilisant des images non masquées, les algorithmes les plus précis n'ont pas réussi à authentifier une personne dans environ 0,3 % des cas, et les images masquées ont même fait monter le taux d'échec de ces algorithmes de pointe à environ 5 %, alors que de nombreux algorithmes « par ailleurs compétents » ont échoué entre 20 et 50 % du temps.
Les masques empêchent même souvent les algorithmes de traiter un visage
Les algorithmes de reconnaissance faciale tels que ceux testés par le NIST fonctionnent en mesurant les distances entre les traits du visage d'une cible. Les masques réduisent la précision de ces algorithmes en supprimant la plupart de ces caractéristiques, bien que certaines d'entre elles subsistent encore. Lors des tests du NIST, les images masquées ont plus souvent empêché les algorithmes de traiter un visage, ce qui signifie qu'ils ne pouvaient pas extraire les caractéristiques suffisamment bien pour faire une comparaison efficace, d’après NIST.
Selon le rapport, plus le nez est couvert par un masque, plus la précision de l'algorithme est faible. Les taux d'erreur étaient généralement plus faibles avec les masques ronds et les masques noirs qu'avec les masques bleus chirurgicaux. Et si les faux négatifs ont augmenté, les faux positifs sont restés stables ou ont légèrement diminué - un faux négatif indique qu'un algorithme n'a pas réussi à faire correspondre deux photos de la même personne, tandis qu'un faux positif indique qu'il a mal identifié une correspondance entre les photos de deux personnes différentes.
Les résultats de l'étude font écho à un bulletin interne du Département américain de la Sécurité intérieure publié plus tôt cette année. Selon des documents ayant fait l’objet de fuite et vus par The Intercept, l'agence fédérale était préoccupée par « les impacts potentiels que l'utilisation généralisée de masques de protection pourrait avoir sur les opérations de sécurité qui incorporent des systèmes de reconnaissance faciale ».
« Nous estimons que les extrémistes violents et autres criminels, qui ont historiquement maintenu un intérêt à éviter la reconnaissance faciale, sont susceptibles de saisir de manière opportuniste les mesures de sécurité publique recommandant le port de masques faciaux pour entraver l'efficacité des systèmes de reconnaissance faciale dans les espaces publics par les partenaires de la sécurité », lit-on dans le bulletin vu par The Intercept.
Cependant, pour les défenseurs de la vie privée, c’est une bonne nouvelle si les masques peuvent empêcher les algorithmes de reconnaissance faciale d’être efficaces. Beaucoup ont mis en garde contre la précipitation des gouvernements du monde entier à adopter cette technologie, malgré ses effets effrayants sur les libertés civiles, et les préjugés raciaux et sexistes largement reconnus de ces systèmes, qui ont tendance à être moins performants sur les personnes de couleurs.
Les systèmes de reconnaissance faciale s’adaptent progressivement aux réalités du covid-19
La bonne nouvelle des défenseurs de la vie privée sera, cependant, de courte durée, les entreprises qui construisent la technologie de reconnaissance faciale s’étant rapidement adaptées à ce nouveau monde, en concevant des algorithmes qui identifient les visages en utilisant uniquement des parties spécifiques du visage notamment la zone autour des yeux. C’est le cas de certains fournisseurs, comme l’entreprise russe NtechLab qui affirme que ses nouveaux algorithmes peuvent identifier des personnes même si elles portent une cagoule, même si ces résultats pourraient être basés sur des données internes probablement triées sur le volet.
South China Morning Post a également publié en février que de nouvelles formes de reconnaissance faciale permettent désormais de reconnaître non seulement les personnes portant un masque, mais aussi celles qui portent un foulard et même une fausse barbe. D’après le quotidien chinois, cette nouvelle technologie est déjà déployée en Chine en raison de l’urgence sanitaire.
Selon une publication de Reuters en mars, la société Hanwang Technology a mis sur le marché une reconnaissance "à canal unique" et une reconnaissance "multicanal". Selon le vice-président de la société, la technologie peut identifier tout le monde dans une foule de jusqu'à 30 personnes « en une seconde ». « Lorsque l'on porte un masque, le taux de reconnaissance peut atteindre environ 95 %, ce qui permet d'identifier la plupart des personnes », a-t-il précisé, ajoutant que le taux de réussite pour les personnes sans masque est d'environ 99,5 %.
Malgré les problèmes de vie privée causés par des utilisations de cette technologie, le NIST s'attend à ce que la technologie persévère. « En ce qui concerne la précision des masques, nous nous attendons à ce que la technologie continue à s'améliorer », a déclaré Ngan. L’agence prévoit de tester des algorithmes de reconnaissance faciale spécialement adaptés aux porteurs de masques dans le courant de l'année, et de sonder l'efficacité des systèmes de reconnaissance individuelle.
Source : NIST
Et vous ?
Que pensez-vous de du rapport de NIST ?
Voir aussi :
Répondre avec citation
Envoyé par foetus
Partager