Evalúan la precisión del software de reconocimiento facial para el embarque de vuelos
La nueva prueba se refiere al registro de pasajeros y a la documentación de su salida de un país.
La aplicación particular del reconocimiento facial en el estudio del NIST (comparar imágenes de viajeros con fotografías obtenidas previamente de esos viajeros) es actualmente parte del proceso de incorporación a vuelos internacionales en Estados Unidos.
Los algoritmos de reconocimiento facial más precisos han demostrado la capacidad de confirmar las identidades de los pasajeros de las aerolíneas cometiendo muy pocos errores, según pruebas recientes del software realizadas en el Instituto Nacional de Estándares y Tecnología (NIST). USA
Los hallazgos, publicados hoy como Prueba de proveedores de reconocimiento facial (FRVT), Parte 7: Identificación para viajes e inmigración sin papel ( NISTIR 8381 ), se centran en el rendimiento de los algoritmos de reconocimiento facial (FR) en un conjunto particular de circunstancias simuladas: hacer coincidir imágenes de viajeros con fotografías previamente obtenidas de esos viajeros almacenadas en una base de datos. Este uso de FR es actualmente parte del proceso de embarque para vuelos internacionales, tanto para confirmar la identidad de un pasajero para la lista de vuelos de la aerolínea como también para registrar la salida migratoria oficial del pasajero de Estados Unidos.
Los resultados indican que varios de los algoritmos FR probados por el NIST podrían realizar la tarea utilizando un solo escaneo de la cara de un pasajero con una precisión del 99,5% o mejor, especialmente si la base de datos contiene varias imágenes del pasajero.
«Realizamos simulaciones para caracterizar un sistema que realiza dos trabajos: identificar a los pasajeros en la puerta y registrar su salida para inmigración», dijo Patrick Grother, científico informático del NIST y uno de los autores del informe. “Descubrimos que la precisión varía según los algoritmos, pero que los algoritmos modernos generalmente funcionan mejor. Si las aerolíneas utilizan los más precisos, los pasajeros pueden abordar muchos vuelos sin errores”.
Estudios anteriores de FRVT se han centrado en evaluar cómo los algoritmos realizan una de dos tareas diferentes que se encuentran entre las aplicaciones más comunes de FR. La primera tarea, confirmar que una foto coincide con otra diferente de la misma persona, se conoce como coincidencia “uno a uno” y se utiliza comúnmente para trabajos de verificación, como desbloquear un teléfono inteligente. La segunda, determinar si la persona de la foto tiene una coincidencia en una base de datos grande, se conoce como coincidencia “uno a muchos”.
Esta última prueba se refiere a una aplicación específica de comparación uno a muchos en entornos de tránsito aeroportuario, donde los rostros de los viajeros se comparan con una base de datos de personas que se espera que estén presentes. En este escenario, sólo unos pocos cientos de pasajeros abordan un vuelo determinado. Sin embargo, el NIST también analizó si la tecnología podría ser viable en otras partes del aeropuerto, específicamente en la línea de seguridad, donde quizás se podrían esperar 100 veces más personas durante un período de tiempo determinado. (La base de datos se creó a partir de imágenes utilizadas en estudios FRVT anteriores , pero los sujetos no llevaban máscaras faciales ).
Al igual que en estudios anteriores, el equipo utilizó software que los desarrolladores enviaron voluntariamente al NIST para su evaluación. Esta vez, el equipo solo analizó el software diseñado para realizar la tarea de coincidencia uno a muchos, evaluando un total de 29 algoritmos.
Entre las conclusiones del informe se encuentran:
Los siete algoritmos de mayor rendimiento pueden identificar con éxito al menos el 99,5% de los pasajeros la primera vez si la base de datos contiene una imagen de un pasajero. Si la base de datos contiene una sola imagen de cada individuo, el estudio muestra que para hasta 428 de 567 procesos de embarque de vuelos simulados, con cada vuelo transportando 420 pasajeros, el algoritmo FR más preciso puede identificar a los pasajeros para el embarque sin falsos negativos (es decir, el software no logra hacer coincidir dos imágenes de la misma persona). En términos de tasas de error, esto corresponde a que al menos el 99,87 % de los viajeros pudieron embarcar con éxito después de presentarse una vez ante la cámara. Seis algoritmos adicionales ofrecen una precisión superior al 99,5%.
El rendimiento mejora drásticamente si la base de datos contiene varias imágenes de un pasajero. La galería de la base de datos puede contener más de una imagen de un solo pasajero. Cuando hay un promedio de seis imágenes anteriores de un pasajero en la galería, todos los algoritmos obtienen grandes ganancias: el algoritmo más preciso verificará las identidades de los pasajeros en 545 de 567 vuelos sin ningún error, y al menos 18 algoritmos de desarrolladores son efectivos. a identificar con precisión a más del 99,5% de los viajeros con una sola presentación ante la cámara.
Las diferencias demográficas en el conjunto de datos tienen poco efecto. El equipo exploró las diferencias en el desempeño de sujetos masculinos y femeninos y también según el origen nacional, que eran los dos identificadores que incluían las fotografías. El origen nacional puede reflejar, aunque no siempre, el origen racial. Algoritmos realizados con alta precisión en todas estas variaciones. Los falsos negativos, aunque ligeramente más comunes entre las mujeres, fueron raros en todos los casos.
Grother dijo que el estudio no aborda un factor importante: el tipo de cámara que utiliza un sistema FR. Debido a que los entornos aeroportuarios difieren y a que las cámaras mismas funcionan de diferentes maneras, el informe ofrece algunas pautas para las pruebas que una aerolínea o una autoridad de inmigración podría realizar para complementar los resultados de las pruebas del NIST. Dichas pruebas proporcionarían estimaciones de precisión que reflejan el equipo real y el entorno donde se utiliza.“No nos centramos en las cámaras, que son una variable influyente”, afirmó. «Recomendamos que los funcionarios realicen las otras pruebas que describimos para perfeccionar sus operaciones».
Tecnología de la información , Biometría , Investigación de software y Pruebas de softwareChad Boutin NIST