跨人口统计学的人脸识别精度：揭示问题成因
计算机视觉与模式识别
2023-04-18 v2
摘要
我们探究跨人口统计群体的人脸识别精度差异这一现象，其部分由人脸光照差异引起。我们观察到，在受控图像采集的常见应用场景中，非裔美国人与高加索人之间人脸区域亮度存在较大差异，男女之间也存在较小的差异。我们表明，两张人脸均欠曝光或均过曝的冒名图像对具有更高的错误匹配率(FMR)；反之，人脸亮度差异显著的图像对具有更低的相似度度量。我们提出一种亮度信息度量来度量人脸中亮度的变化，并表明人脸亮度过低或过高会导致人脸区域信息减少，从而提供了精度较低的原因。基于此，对于受控图像采集的应用场景，应为每个人调整光照以获得适当的人脸图像亮度。据我们所知，这是首项探索一对人脸图像中皮肤区域亮度水平(而非单张图像)如何影响人脸识别精度，并将其作为导致跨人口统计精度不均的系统因素进行评估的工作。代码见https://github.com/HaiyuWu/FaceBrightness。
引用
@article{arxiv.2206.01881,
title = {Face Recognition Accuracy Across Demographics: Shining a Light Into the Problem},
author = {Haiyu Wu and Vítor Albiero and K. S. Krishnapriya and Michael C. King and Kevin W. Bowyer},
journal= {arXiv preprint arXiv:2206.01881},
year = {2023}
}