2019年12月19日，美国国家标准技术研究院(NIST)官网发表文章称，NIST的一项新研究调查了人脸识别软件工具如何准确地识别不同性别、年龄和种族背景的人。研究结果表明，其准确性取决于系统核心的算法、使用该算法的应用程序及其所反馈的数据，但大多数人脸识别算法都存在人口统计学差异，这一差异意味着算法匹配同一个人的两幅画像的能力在不同的人口统计学群体中是不同的。
这项研究通过NIST的人脸识别供应商测试程序进行，该程序对行业和学术研究人员提交的人脸识别算法执行不同任务的能力进行了评估，着重研究了每种算法在人脸识别最常见的应用中执行两种不同任务之一的效果如何。
第一个任务是确认一张照片与数据库中同一个人的另一张照片是否匹配，称为“一对一”匹配，通常用于验证工作，例如解锁智能手机或检查护照。
第二个任务是确定照片中的人在数据库中是否有任何匹配，称为“一对多”匹配，可用于识别感兴趣的人。
该团队发现：
①在一对一匹配中，相对于高加索人的图像，亚裔和非裔美国人脸部的误报率更高;
②在美国开发的算法中，亚洲人、非裔美国人和本地人的一对一匹配中误报率很高;
③亚洲国家/地区开发的一些算法有明显例外;
④在一对多匹配中，非裔美国女性的误报率更高;
⑤并非所有算法都在一对多匹配的跨国人口统计中给出了较高的误报率。
如果不区分人脸识别的基本任务和识别类型，任何关于人口统计学影响的讨论都是不完整的。随着人脸识别技术在全球日渐广泛应用，对这些区别加深了解非常重要。
（转载）
