Le NIST évalue la précision d’un logiciel de reconnaissance faciale pour l’embarquement

Le NIST évalue la précision d'un logiciel de reconnaissance faciale pour l'embarquement

L’application particulière de la reconnaissance faciale dans l’étude du NIST – la mise en correspondance d’images de voyageurs avec des photos précédemment obtenues de ces voyageurs – fait actuellement partie du processus d’embarquement américain pour les vols internationaux. Crédit : N. Hanacek/NIST

Les algorithmes de reconnaissance faciale les plus précis ont démontré leur capacité à confirmer l’identité des passagers des compagnies aériennes tout en faisant très peu d’erreurs, selon les récents tests du logiciel menés au National Institute of Standards and Technology (NIST).

Les résultats, publiés aujourd’hui sous le titre « Face Recognition Vendor Test (FRVT) Part 7: Identification for Paperless Travel and Immigration », se concentrent sur les performances des algorithmes de reconnaissance faciale (FR) dans un ensemble particulier de circonstances simulées : faire correspondre des images de voyageurs à celles précédemment obtenues. photos de ces voyageurs stockées dans une base de données. Cette utilisation de FR fait actuellement partie du processus d’embarquement pour les vols internationaux, à la fois pour confirmer l’identité d’un passager pour la liste de vols de la compagnie aérienne et également pour enregistrer la sortie officielle de l’immigration du passager des États-Unis.

Les résultats indiquent que plusieurs des algorithmes FR testés par le NIST pourraient effectuer la tâche en utilisant un seul scan du visage d’un passager avec une précision de 99,5% ou mieux, surtout si la base de données contient plusieurs images du passager.

« Nous avons effectué des simulations pour caractériser un système qui remplit deux fonctions : identifier les passagers à la porte et enregistrer leur sortie pour l’immigration », a déclaré Patrick Grother, informaticien du NIST et l’un des auteurs du rapport. « Nous avons constaté que la précision varie selon les algorithmes, mais que les algorithmes modernes fonctionnent généralement mieux. Si les compagnies aériennes utilisent les plus précis, les passagers peuvent embarquer sur de nombreux vols sans erreur. »

Les études précédentes de FRVT se sont concentrées sur l’évaluation de la manière dont les algorithmes effectuent l’une des deux tâches différentes qui figurent parmi les applications les plus courantes de FR. La première tâche, confirmer qu’une photo correspond à une photo différente de la même personne, est connue sous le nom de correspondance « un-à-un » et est couramment utilisée pour des travaux de vérification, tels que le déverrouillage d’un smartphone. La seconde, qui détermine si la personne sur la photo a une correspondance dans une grande base de données, est connue sous le nom de correspondance « un-à-plusieurs ».

Ce dernier test concerne une application spécifique de l’appariement un-à-plusieurs dans les environnements de transit aéroportuaire, où les visages des voyageurs sont comparés à une base de données d’individus qui devraient tous être présents. Dans ce scénario, seules quelques centaines de passagers embarquent sur un vol donné. Cependant, le NIST a également examiné si la technologie pourrait être viable ailleurs dans l’aéroport, en particulier dans la ligne de sécurité où peut-être 100 fois plus de personnes pourraient être attendues pendant une certaine fenêtre de temps. (La base de données a été construite à partir d’images utilisées dans des études FRVT précédentes, mais les sujets ne portaient pas de masques faciaux.)

Comme pour les études précédentes, l’équipe a utilisé un logiciel que les développeurs ont volontairement soumis au NIST pour évaluation. Cette fois, l’équipe n’a examiné que le logiciel conçu pour effectuer la tâche d’appariement un-à-plusieurs, évaluant un total de 29 algorithmes.

Parmi les conclusions du rapport figurent :

  • Les sept algorithmes les plus performants peuvent identifier avec succès au moins 99,5% des passagers la première fois si la base de données contient une image d’un passager. Si la base de données contient une seule image de chaque individu, l’étude montre que pour pas moins de 428 des 567 processus d’embarquement de vol simulés, avec chaque vol transportant 420 passagers, l’algorithme FR le plus précis peut identifier les passagers pour l’embarquement sans aucun faux négatif (c’est-à-dire le logiciel ne parvient pas à faire correspondre deux images de la même personne). Exprimé en termes de taux d’erreur, cela correspond à au moins 99,87 % des voyageurs ayant pu embarquer avec succès après s’être présentés une fois devant la caméra. Six algorithmes supplémentaires donnent une précision supérieure à 99,5 %.
  • Les performances s’améliorent considérablement si la base de données contient plusieurs images d’un passager. La galerie de la base de données peut contenir plusieurs images d’un même passager. Lorsqu’une moyenne de six images précédentes d’un passager sont dans la galerie, alors tous les algorithmes réalisent des gains importants : l’algorithme le plus précis vérifiera l’identité des passagers sur 545 des 567 vols sans aucune erreur, et au moins 18 algorithmes de développeurs sont efficaces à identifier plus de 99,5% des voyageurs avec précision avec une seule présentation à la caméra.
  • Les différences démographiques dans l’ensemble de données ont peu d’effet. L’équipe a exploré les différences de performance entre les sujets masculins et féminins et également selon l’origine nationale, qui étaient les deux identifiants inclus dans les photos. L’origine nationale peut, mais pas toujours, refléter l’origine raciale. Algorithmes exécutés avec une grande précision dans toutes ces variations. Les faux négatifs, bien que légèrement plus fréquents chez les femmes, étaient rares dans tous les cas.

Grother a déclaré que l’étude n’aborde pas un facteur important : le type de caméra qu’un système FR utilise. Étant donné que les environnements aéroportuaires diffèrent et que les caméras elles-mêmes fonctionnent de différentes manières, le rapport propose des conseils pour les tests qu’une compagnie aérienne ou une autorité d’immigration pourrait effectuer pour compléter les résultats des tests NIST. De tels tests fourniraient des estimations de précision qui reflètent l’équipement et l’environnement réels dans lesquels il est utilisé.

« Nous ne nous concentrons pas sur les caméras, qui sont une variable influente », a-t-il déclaré. « Nous recommandons que les responsables effectuent les autres tests que nous décrivons afin d’affiner leurs opérations. »


Une étude évalue les effets de la race, de l’âge et du sexe sur un logiciel de reconnaissance faciale


Plus d’information:
Face Recognition Vendor Test (FRVT) Partie 7 : Identification pour les voyages et l’immigration sans papier. nvlpubs.nist.gov/nistpubs/ir/2021/NIST.IR.8381.pdf

Fourni par l’Institut national des normes et de la technologie

Cette histoire est republiée avec l’aimable autorisation du NIST. Lisez l’histoire originale ici.

Citation: Le NIST évalue la précision du logiciel de reconnaissance faciale pour l’embarquement des vols (2021, 14 juillet) récupéré le 14 juillet 2021 à partir de https://techxplore.com/news/2021-07-nist-recognition-software-accuracy-flight.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.