Hayes via NIST)
Ansiktsigenkänningsteknik är i bästa fall kontroversiell.
Lägg till masker från pandemiska eran och algoritmerna kan enkelt flummoxas, enligt en studie från National Institute of Standards and Technology (NIST).
Av de 89 testade systemen misslyckades även de bästa att matcha digitalt applicerade masker till ett kontrollporträtt av samma otäckta ansikte så ofta som hälften av tiden, finner rapporten.
"Med pandemins ankomst måste vi förstå hur teknik för ansiktsigenkänning hanterar maskerade ansikten", säger Mei Ngan, medförfattare och NIST-datavetare.
"Vi har börjat med att fokusera på hur en algoritm som utvecklats innan pandemin kan påverkas av personer som bär ansiktsmasker.
Senare i sommar planerar vi att testa noggrannheten hos algoritmer som avsiktligt utvecklats med maskerade ansikten i åtanke."
Forskargruppen undersökte varje algoritmes kapacitet för "en-till-en" -matchning - att jämföra två foton av samma person, som med upplåsning av smarttelefoner eller passkontroller - genom att digitalt tillämpa olika maskformer på originalbilden.
Naturligtvis skiljer sig verkliga masker (liksom varje persons förståelse för hur man bär dem): De flesta har kirurgiska eller återanvändbara tygmasker, medan vissa helt enkelt binder en bandana runt ansiktet.
Andra har under tiden valt något lite mer professionellt.
NIST implementerade nio varianter, inklusive skillnader i form, färg (ljusblå eller svart) och nästäckning.
"Vi kan dra några breda slutsatser från resultaten, men det finns försiktighetsåtgärder", förklarar Ngan.
"Ingen av dessa algoritmer var utformade för att hantera ansiktsmasker, och maskerna vi använde är digitala skapelser, inte den riktiga saken." Med tanke på detta föreslår studien att den totala noggrannheten med maskerade ansikten har minskat "väsentligt".
Med hjälp av maskerade bilder är algoritmiska felnivåer cirka 0,3 procent; täcka någons näsa och mun, dock, och även de bästa systemen slår ut 5 procent av tiden.
Det antalet når 20 till 50 procent för "annars kompetenta" program.
Forskare fann också att mörka masker med full täckning tenderar att förvirra algoritmer mest och hindrar systemet från att slutföra sin vanliga process för att mäta och jämföra ansikts funktioner.
"När det gäller noggrannhet med ansiktsmasker förväntar vi oss att tekniken fortsätter att förbättras", säger Ngan.
"Men de uppgifter vi hittills har tagit fram understryker en av de idéer som är gemensamma för tidigare [face recognition vendor] tester: individuella algoritmer fungerar annorlunda.
"Framåt planerar teamet att testa program som tar hänsyn till ansiktsmasker.
Framtida studier kommer att inkludera" en-till-många "-sökningar och andra varianter som är utformade för att bredda resultaten.
