MADRID, 2 Dic. (Portaltic/EP) -
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 inglés), 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 anterios a la pandemia de la Covid-19.
Los sistemas de identificación no deberían confundir los datos biométricos de una persona con los de otra y los datos de una persona siempre deberían coincidir con otra muestra de la misma persona. Sin embargo, esa perfección no existe en la práctica, ya que los datos biométricos tomados a una persona en varias ocasiones son diferentes.
En este sentido, existen dos tipos de error: las falsas no coincidencias (FNMR, según sus siglas en inglés) y las falsas coincidencias (FMR). Las primeras se da cuando se considera que dos datos biométricos de la misma persona son de diferentes personas, mientras la FMR se da cuando se considera que dos datos biométricos de diferentes personas provienen de la misma persona.
Teniendo esto en cuenta, 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 han reducido alrededor de un 25 por ciento, en comparación con el periodo anterior a la pandemia.
"Si bien algunos algoritmos prepandémicos siguen siendo más precisos en fotos con rostros con mascarillas, algunos desarrolladores han presentado algoritmos después de la pandemia que muestran una precisión significativamente mejorada y ahora se encuentran entre los más precisos en nuestras pruebas", señala el informe.
Los investigadores indican que la mediana de las falsas no coincidencias de los algoritmos recogidos desde mediados de marzo se ha reducido en torno al 25 por ciento respecto a los datos prepandémicos. Estos datos reflejan la adaptación que están realizando muchos desarrolladores.
No obstante, en los mejores casos, las tasas de falsas no coincidencias han aumentado del 0,3 al 0,5 por ciento en el caso del reconocimiento de rostros sin mascarillas y del 2,4 al 5 por ciento con mascarillas, lo que significa que el rendimiento actual de los sistemas de reconocimiento facial con rostros con mascarillas es comparable al del reconocimiento facial con rostros sin mascarillas a mediados de 2017.
Asimismo, el estudio 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.
Por otra parte, 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.