Gesichtsmasken in der Öffentlichkeit – was für uns schon beinahe selbstverständlich ist, wird zur Herausforderung für die digitale Gesichtserkennung. Eine Studie hat sich nun genauer damit befasst.
Das Tragen einer Schutzmaske bereitet herkömmlichen Gesichtserkennungs-Algorithmen Probleme. Eine Studie fand heraus: Die getesteten Systeme konnten in bis zu 50 Prozent der Fälle nicht dieselbe Person mit und ohne Maske einander zuordnen. Die Studie des US-amerikanischen National Institute of Standards and Technology (NIST) speiste dafür 89 Biometrie-Programme mit sechs Millionen Bildern. Neben gewöhnlichen Portraits waren darauf Menschen mit verschiedenen Maskenformen und -farben zu sehen. Besonders schwarze Masken und solche, die die Nase bedecken, verwirrten die Technologie. Die Probleme bei der Gesichtserkennung dürften vor allem die Besitzer von Apple-Geräten schon bemerkt haben. Zwar spielte das US-Unternehmen ein Update ein, doch das verbessert nicht die Gesichtserkennung am iPhone, sondern fordert bei Nicht-Erkennung einfach nur schneller zur manuellen Eingabe des Entsperrungscodes auf.
Grund zur Freude für Kritiker?
Gesichtserkennungs-Software wird vielseitig eingesetzt – etwa um das Smartphone zu entsperren oder um Straftäter zu identifizieren. Doch durch die Überwachung mit einer Gesichtserkennungs-Technologie an öffentlichen Plätzen sehen Datenschützer ihre Menschen- und Freiheitsrechte bedroht. Auch weisen sie auf die Gefahr des Racial Profiling hin, wenn Biometrie-Algorithmen Unschuldige aufgrund ihrer gemeinsamen ethnischen Eigenschaften mit einem gesuchten Täter in Verbindung bringen. Von den Masken erhoffen sich die Kritiker mehr Schutz – nicht nur vor Corona, sondern auch vor der Gesichtserkennung in der Öffentlichkeit.
Wie die Maske die technologische Entwicklung prägt
„Was die Genauigkeit bei Gesichtsmasken betrifft, erwarten wir, dass sich die Technologie weiter verbessert“, so NIST-Studienautorin Mei Ngan. Erste Ansätze dafür sieht auch Mathematikprofessor Hassan Ugail von der University of Bradford im Training bestehender Algorithmen. Wiederholt mit einzelnen Gesichtsbereichen gespeist, soll die künstliche Intelligenz der Systeme lernen, Gesichtsteile zu identifizieren – etwa einen Mund, eine Nase oder die Augenpartie. Das NIST plant im Spätsommer 2020 eine erneute Studie mit maskenoptimierten Systemen.
Bitte beachten Sie
Die Beiträge in der Rubrik "Trends und Innovationen" sind Inhalte unseres Medienpartners Vogel Communications Group GmbH & Co. KG. Sie spiegeln nicht unbedingt die Meinung von DATEV wider.
Vogel Communications Group