顔認識システム

米国の空港における顔認識ソフトウェア
大阪メトロ森ノ宮駅に顔認証システム搭載の自動改札機

顔認識システム[ 1 ]は、デジタル画像または動画から人間の顔を抽出し、顔データベースと照合する技術です。このようなシステムは、通常、 ID認証サービスを通じてユーザーを認証するために用いられ、与えられた画像から顔の特徴を特定し、測定することで機能します。[ 2 ]

同様のシステムの開発は、1960年代にコンピュータアプリケーションの一形態として始まりました。登場以来、顔認識システムは、近年、スマートフォンやロボット工学などの他の技術で幅広く使用されています。コンピュータ化された顔認識は、人間の生理学的特徴の測定を伴うため、顔認識システムは生体認証に分類されます。生体認証技術としての顔認識システムの精度は、虹彩認識、指紋画像取得、手のひら認識、音声認識よりも低いですが、非接触プロセスであるため広く採用されています。[ 3 ]顔認識システムは、高度なヒューマンコンピュータインタラクション、ビデオ監視、法執行、乗客のスクリーニング、雇用と住宅の決定、画像の自動インデックス作成に導入されています。 [ 4 ] [ 5 ]

顔認識システムは現在、世界中の政府や民間企業で採用されている。[ 6 ]有効性はさまざまで、一部のシステムは効果がないため廃止されたこともある。顔認識システムの使用は論争も引き起こしており、システムは市民のプライバシーを侵害し、頻繁に誤った識別を行い、ジェンダー規範[ 7 ] [ 8 ]や人種プロファイリングを助長し[ 9 ]、重要な生体認証データを保護していないとの主張がある。ディープフェイクなどの合成メディアの登場も、そのセキュリティに関する懸念を引き起こしている。[ 10 ]これらの主張により、米国のいくつかの都市で顔認識システムが禁止された。[ 11 ]社会的懸念の高まりから、ソーシャルネットワーキング企業のMeta Platformsは2021年にFacebookの顔認識システムをシャットダウンし、10億人以上のユーザーの顔スキャンデータを削除した。[ 12 ] [ 13 ]この変化は、技術史上、顔認識の使用法における最大の変化の1つとなった。 IBMも同様の懸念から顔認識技術の提供を中止した。[ 14 ]

顔認識技術の歴史

自動顔認識は、1960年代にウッディ・ブレッドソー、ヘレン・チャン・ウルフ、チャールズ・ビソンによって開拓されました。彼らの研究は、コンピュータに人間の顔を認識させることに重点を置いていました。[ 15 ]彼らの初期の顔認識プロジェクトは、「マンマシン」と呼ばれていました。これは、コンピュータが認識に用いる前に、まず人間が写真に写った顔の特徴の座標を特定する必要があったためです。人間はグラフィックタブレットを用いて、瞳孔中心、目頭と目尻、生え際の白目などの顔の特徴の座標を正確に特定しました。これらの座標は、口と目の幅を含む20個の個別の距離を計算するために使用されました。人間は1時間に約40枚の写真を処理でき、計算された距離のデータベースを構築しました。その後、コンピュータは各写真の距離を自動的に比較し、距離の差を計算し、一致する可能性のある記録を返しました。[ 15 ]

1970年、金出武雄は、顎などの解剖学的特徴を人間の介入なしに検出し、顔の特徴間の距離比を計算する顔照合システムを公開しました。その後のテストで、このシステムは必ずしも顔の特徴を信頼性を持って識別できるわけではないことが明らかになりました。それでも、この分野への関心は高まり、1977年に金出は顔認識技術に関する最初の詳細な書籍を出版しました。[ 16 ]

1993年、国防高等研究計画局（DARPA）と陸軍研究所（ARL）は、実生活の生産的な環境で「治安、情報、法執行機関の職員の職務遂行を支援する」ために活用できる「自動顔認識機能」の開発を目的とした顔認識技術プログラムFERETを設立しました。研究室で試験運用された顔認識システムが評価されました。FERETのテストでは、既存の自動顔認識システムの性能にはばらつきがあるものの、いくつかの既存の手法は、制御された環境で撮影された静止画像内の顔認識に有効に使用できることが分かりました。[ 17 ] FERETのテストから、自動顔認識システムを販売する3つの米国企業が生まれました。Vision CorporationとMiros Incは、FERETテストの結果をセールスポイントとした研究者によって1994年に設立されました。Viisage Technologyは、 MITのアレックス・ペントランドが開発した顔認識アルゴリズムの権利を商業的に活用するために、1996年に身分証明書防衛請負業者によって設立されました。[ 18 ]

1993年のFERET顔認識ベンダーテストに続いて、ウェストバージニア州とニューメキシコ州のDMV（車両管理局）事務所は、異なる名前で複数の運転免許証を取得することを防ぐ自動顔認識システムを導入した最初のDMV事務所となりました。その時点では、米国の運転免許証は写真付き身分証明書として一般的に受け入れられていました。米国中のDMV事務所は技術アップグレードを実施しており、デジタルID写真のデータベースを構築する過程にありました。これにより、DMV事務所は既存のDMVデータベースに対して新しい運転免許証の写真を検索するために、市場にある顔認識システムを展開できるようになりました。[ 19 ] DMV事務所は、自動顔認識技術の最初の主要市場の1つとなり、米国民に顔認識を標準的な識別方法として紹介しました。[ 20 ] 1990年代の米国の刑務所人口の増加をきっかけに、米国各州はデジタル生体認証データベースを組み込んだ接続された自動識別システムを確立しました。これには場合によっては顔認識も含まれていました。 1999年、ミネソタ州はVisionics社の顔認識システムFaceITを、警察、裁判官、裁判所職員が州全体の犯罪者を追跡できるマグショット予約システムに組み込みました。 [ 21 ]

このせん断マッピングでは、赤い矢印は方向を変えますが、青い矢印は方向を変えず、固有ベクトルとして使用されます。
顔検出のためのViola–Jonesアルゴリズムは、Haar類似特徴を用いて画像内の顔の位置を特定します。ここでは、鼻梁に似たHaar特徴を顔に適用しています。

1990 年代まで、顔認識システムは主に人の顔を撮影した写真を使用して開発されていました。他のオブジェクトが含まれる画像から顔を確実に見つける顔認識の研究は、主成分分析(PCA) によって 1990 年代初頭に注目を集めました。PCA による顔検出法はEigenfaceとも呼ばれ、Matthew Turk と Alex Pentland によって開発されました。[ 22 ] Turk と Pentland は、カルーネン・レーヴの定理と因子分析の概念的アプローチを組み合わせて、線形モデルを開発しました。固有顔は、人の顔の全体的かつ直交する特徴に基づいて決定されます。人の顔は、多数の固有顔の重み付けされた組み合わせとして計算されます。特定の集団の人の顔をエンコードするために使用された固有顔は少数であったため、Turk と Pentland の PCA 顔検出法は、顔を検出するために処理しなければならないデータの量を大幅に削減しました。ペントランドは1994年に、顔認識におけるPCAの利用を促進するため、固有目、固有口、固有鼻を含む固有顔特徴を定義しました。1997年には、PCA固有顔顔認識法[ 23 ]が線形判別分析（LDA）を用いて改良され、フィッシャー顔が生成されました[ 24 ]。LDAフィッシャー顔は、PCA特徴に基づく顔認識において主に用いられるようになりました。一方、固有顔は顔の再構成にも用いられました。これらのアプローチでは、顔の特徴や部位を結び付ける顔の全体構造は計算されません[ 25 ] 。

顔認識における純粋に特徴に基づくアプローチは、1990年代後半にボッフムシステムに取って代わられました。このシステムは、ガボールフィルタを用いて顔の特徴を記録し、顔構造のグリッドを計算して特徴を結び付けました。 [ 26 ]ボッフム大学のクリストフ・フォン・デア・マルスブルクと彼の研究チームは、1990年代半ばに、肌のセグメンテーションを用いて画像から顔を抽出するElastic Bunch Graph Matchingを開発しました。 [ 22 ] 1997年までに、マルスブルクが開発した顔検出手法は、市場に出回っていた他のほとんどの顔検出システムを凌駕しました。いわゆる「ボッフムシステム」と呼ばれる顔検出システムは、ZN-Faceとして空港などの混雑した場所の運営者に市販されました。このソフトウェアは「完璧ではない顔の映像からでも識別できるほど堅牢です。また、口ひげ、あごひげ、髪型の変化、眼鏡、さらにはサングラスといった識別の障害をも見抜くことができます」[ 27 ] 。

2001年にViola–Jones顔物体検出フレームワークにより、動画からのリアルタイム顔検出が可能になった。[ 28 ] Paul ViolaとMichael Jonesは、彼らの顔検出手法とデジタル画像内の物体認識に対するHaar類似特徴アプローチを組み合わせて、初のリアルタイム正面顔検出器であるAdaBoostを発表した。 [ 29 ] 2015年までに、Viola–Jonesアルゴリズムは、ハンドヘルドデバイスや組み込みシステムに小型の低消費電力検出器を使用して実装された。そのため、Viola–Jonesアルゴリズムは、顔認識システムの実用化を広げただけでなく、ユーザーインターフェースや遠隔会議の新しい機能をサポートするためにも使用されている。[ 30 ]

ウクライナは、死亡したロシア兵の身元確認に米国拠点のClearview AI顔認識ソフトウェアを使用している。ウクライナは8,600件の捜索を実施し、死亡したロシア兵582人の遺族を特定した。このソフトウェアを使用するウクライナ軍のITボランティア部隊は、その後、死亡した兵士の遺族と連絡を取り、ウクライナにおけるロシアの活動への注意喚起を行っている。主な目的はロシア政府の不安定化であり、一種の心理戦と捉えることができる。ウクライナでは、5つの省庁に所属する約340人の政府職員がこの技術を使用している。これは、ウクライナに入国しようとするスパイを捕まえるために使用されている。[ 31 ]

Clearview AIの顔認識データベースは政府機関のみが利用可能であり、その技術は法執行機関の捜査や国家安全保障に関連してのみ使用することができます。[ 32 ]

このソフトウェアはClearview AI社からウクライナに寄贈された。ロシアは反戦活動家を見つけるためにこれを使用しているとみられている。Clearview AI社はもともと米国の法執行機関向けに開発されたもので、戦争での使用は新たな倫理的懸念を引き起こす。ロンドンを拠点とする監視専門家のスティーブン・ヘア氏は、このソフトウェアによってウクライナ人が非人間的に見えるのではないかと懸念している。「本当に効果があるのだろうか？それとも、（ロシア人に）『この無法で残酷なウクライナ人が、我々の子供たちにこんなことをしているのを見ろ』と思わせているのだろうか？」[ 33 ]

顔認識技術

OpenCVによる自動顔検出

人間はさほど努力せずに顔を認識できるが[ 34 ] 、顔認識はコンピューティングにおける難しいパターン認識問題である。顔認識システムは、照明や表情によって外観が変化する3次元の人間の顔を、2次元画像に基づいて識別しようとする。この計算タスクを達成するために、顔認識システムは4つのステップを実行する。まず、顔検出を使用して、画像の背景から顔を分割する。2番目のステップでは、分割された顔画像を、顔のポーズ、画像サイズ、照明やグレースケールなどの写真特性を考慮して位置合わせする。位置合わせプロセスの目的は、3番目のステップである顔特徴抽出で顔の特徴を正確に特定できるようにすることである。目、鼻、口などの特徴が画像内で特定され、測定され、顔を表す。こうして確立された顔の特徴ベクトルは、4番目のステップで顔のデータベースと照合される。[ 35 ]

伝統的

AT&T ケンブリッジ研究所の固有顔の一部

一部の顔認識アルゴリズムは、被写体の顔画像からランドマーク（特徴）を抽出することで顔の特徴を識別します。例えば、目、鼻、頬骨、顎の相対的な位置、大きさ、形状を分析するアルゴリズムがあります。[ 36 ]これらの特徴は、一致する特徴を持つ他の画像を検索するために用いられます。[ 37 ]

他のアルゴリズムでは、顔画像のギャラリーを正規化し、顔データを圧縮することで、顔認識に有用なデータのみを画像から保存します。その後、プローブ画像と顔データを比較します。[ 38 ]最も初期の成功したシステムの一つ[ 39 ]は、テンプレートマッチング技術[ 40 ]を顔の顕著な特徴の集合に適用し、一種の圧縮された顔表現を提供します。

認識アルゴリズムは、主に2つのアプローチに分けられます。1つは特徴的な特徴に注目する幾何学的アプローチ、もう1つは画像を値に分解し、その値をテンプレートと比較して差異を排除する統計的アプローチである測光的アプローチです。これらのアルゴリズムは、全体論的モデルと特徴ベースモデルの2つの大まかなカテゴリーに分類されます。前者は顔全体を認識しようとするのに対し、特徴ベースモデルは特徴に基づいて構成要素に細分化し、それぞれの構成要素と他の特徴に対する空間的な位置を分析します。[ 41 ]

一般的な認識アルゴリズムとしては、固有顔を用いた主成分分析、線形判別分析、フィッシャーフェイスアルゴリズムを用いた弾性バンチグラフマッチング、隠れマルコフモデル、テンソル表現を用いた多重線形部分空間学習、神経細胞を動機とした動的リンクマッチングなどがある。[ 42 ]現代の顔認識システムでは、ディープラーニングなどの機械学習技術の利用がますます増えている。[ 43 ]

遠隔人物識別（HID）

遠距離からの人物識別 (HID) を可能にするために、低解像度の顔画像は顔幻覚を使用して強調されます。CCTV画像では、顔は非常に小さいことがよくあります。 しかし、顔の特徴を識別してプロットする顔認識アルゴリズムには高解像度の画像が必要なため、信号対雑音比の高い環境で撮影された画像を顔認識システムが処理できるように解像度強調技術が開発されました。 画像が顔認識システムに送信される前に画像に適用される顔幻覚アルゴリズムは、ピクセル置換または最近傍分布インデックスを使用した例ベースの機械学習を使用し、人口統計学的および年齢関連の顔の特徴も組み込むことができます。 顔幻覚技術を使用すると、高解像度の顔認識アルゴリズムのパフォーマンスが向上し、超解像アルゴリズムの固有の制限を克服するために使用できます。 顔幻覚技術は、顔が偽装されている画像の前処理にも使用されます。ここでは、サングラスなどの偽装が削除され、顔幻覚アルゴリズムが画像に適用されます。このような顔幻覚アルゴリズムは、変装の有無にかかわらず、類似した顔画像を用いて学習させる必要がある。変装を解除することで隠された領域を埋めるためには、顔幻覚アルゴリズムは顔全体の状態を正しくマッピングする必要があるが、低解像度画像に捉えられた瞬間的な表情ではそれが不可能な場合がある。[ 44 ]

3次元認識

人間の顔の3Dモデル

3D顔認識技術では、3Dセンサーを使用して顔の形状に関する情報を取得します。この情報は、眼窩、鼻、顎の輪郭など、顔の表面の特徴を識別するために使用されます。[ 45 ] 3D顔認識の利点の1つは、他の技術のように照明の変化の影響を受けないことです。また、横顔を含むさまざまな視野角から顔を識別することもできます。[ 45 ] [ 37 ]顔からの3次元データポイントにより、顔認識の精度が大幅に向上します。 3D次元顔認識研究は、顔に構造化光を投影する高度なセンサーの開発によって可能になりました。[ 46 ] 3Dマッチング技術は表情に敏感であるため、テクニオンの研究者は、メトリック幾何学のツールを適用して表情を等長変換として扱いました。[ 47 ]顔の3D画像をキャプチャする新しい方法では、異なる角度を向く3台の追跡カメラを使用します。 1台のカメラは被写体の正面を向き、2台目は横を向き、3台目は斜めを向きます。これらのカメラはすべて連携して動作し、被写体の顔をリアルタイムで追跡し、顔検出と認識を可能にします。[ 48 ]

サーマルカメラ

長波長赤外線（体温程度の熱）光で撮影した2人の人物の擬似カラー画像

顔認識のための入力データを取得する別の方法は、サーマルカメラを使用することです。この手順では、カメラは頭の形のみを検出し、眼鏡、帽子、化粧などの被写体のアクセサリは無視されます。[ 49 ]従来のカメラとは異なり、サーマルカメラはフラッシュを使用せずにカメラの位置を露出させることなく、暗い場所や夜間でも顔の画像を撮影できます。[ 50 ]しかし、顔認識用のデータベースは限られています。サーマル顔画像のデータベースを構築する取り組みは、2004年にまでさかのぼります。[ 49 ] 2016年までに、IIITD-PSEやノートルダムサーマル顔データベースなど、いくつかのデータベースが存在していました。[ 51 ]現在のサーマル顔認識システムは、屋外環境で撮影されたサーマル画像内の顔を確実に検出することができません。[ 52 ]

2018年、米国陸軍研究所（ARL）の研究者らは、サーマルカメラで取得した顔画像と、従来のカメラで撮影されたデータベース内の顔画像を照合できる技術を開発した。[ 53 ]異なる2種類の画像撮影法からの顔認識を橋渡しする方法からクロススペクトル合成法として知られるこの手法は、顔の複数の領域と詳細を分析して単一の画像を合成する。[ 54 ]これは、特定のサーマル画像を対応する目に見える顔画像にマッピングする非線形回帰モデルと、潜在投影を画像空間に投影する最適化問題で構成される。[ 50 ] ARLの科学者らは、このアプローチはグローバル情報（顔全体の特徴など）とローカル情報（目、鼻、口に関する特徴など）を組み合わせることで機能すると指摘している。[ 55 ] ARLで実施された性能テストによると、マルチ領域クロススペクトル合成モデルは、ベースライン手法と比較して約30％、最先端の手法と比較して約5％の性能向上を示した。[ 54 ]

応用

ソーシャルメディア

2013年に設立されたLookseryは、 Kickstarterで顔修正アプリの資金調達を行いました。クラウドファンディングで成功を収めた後、Lookseryは2014年10月にローンチしました。このアプリは、ユーザーの外見を修正する特別な顔フィルターを使って、他のユーザーとビデオチャットすることを可能にします。FacetuneやPerfect365など、すでに市場に出回っている画像拡張アプリは静止画像に限られていましたが、Lookseryはライブビデオに拡張現実を可能にしました。2015年後半、SnapChatはLookseryを買収し、これがSnapChatの画期的なレンズ機能となりました。[ 56 ] Snapchatのフィルターアプリは顔検出技術を使用し、画像内で識別された顔の特徴に基づいて、3Dメッシュマスクが顔の上に重ねられます。[ 57 ]さまざまな技術が、顔認識防止マスクを使用して顔認識ソフトウェアを欺こうとしています。[ 58 ]

DeepFaceは、 Facebookの研究グループによって開発された深層学習による顔認識システムです。デジタル画像内の人物の顔を識別します。1億2000万以上の結合重みを持つ9層ニューラルネットワークを採用し、 Facebookユーザーがアップロードした400万枚の画像で学習されました。 [ 59 ] [ 60 ]このシステムの精度は97%と言われており、FBIの次世代識別システムの精度は85%です。[ 61 ]

TikTokのアルゴリズムは特に効果的であると考えられてきたが、ユーザーが望むコンテンツを推測するのにアプリがこれほど効果的に機能するプログラミングの正確さについて疑問を抱く人が多かった。[ 62 ] 2020年6月、TikTokは「For You」ページと、顔認識を含まない動画をユーザーに推奨する方法について声明を発表した。[ 63 ]しかし、2021年2月、TikTokは、ユーザーの動画と年齢、性別、民族を識別するアルゴリズムの両方で顔認識を使用していたと主張する米国の訴訟で9200万ドルの和解に同意した。[ 64 ]

ID確認

顔認識の新たな用途として、 ID認証サービスへの活用が注目されています。現在、多くの企業などが、銀行、ICO、その他のeビジネス向けにこれらのサービスを提供するために市場に参入しています。[ 65 ]顔認識は、様々なコンピューティングプラットフォームやデバイスにおける生体認証の一形態として活用されてきました。 [ 37 ] Android 4.0「Ice Cream Sandwich」では、スマートフォンのフロントカメラを用いた顔認識がデバイスのロック解除手段として追加されました。 [ 66 ] [ 67 ]また、 MicrosoftはKinectアクセサリを通じてXbox 360ビデオゲームコンソールに顔認識ログインを導入しました。 [ 68 ]また、Windows 10では「Windows Hello」プラットフォーム（赤外線カメラが必要）を通じて顔認識ログインを導入しました。[ 69 ] 2017年には、AppleのiPhone Xスマートフォンが赤外線照明システムを採用した「 Face ID 」プラットフォームにより、製品ラインに顔認識を導入しました。[ 70 ]

顔認証

Appleは、指紋認証システムであるTouch IDの後継として、主力機種iPhone XにFace IDを搭載しました。Face IDは、2つの部分からなる顔認識センサーを搭載しています。1つはユーザーの顔に3万個以上の赤外線ドットを投影する「ロメオ」モジュール、もう1つはパターンを読み取る「ジュリエット」モジュールです。[ 71 ]このパターンは、端末の中央処理装置（CPU）内のローカル「セキュアエンクレーブ」に送信され、端末所有者の顔との一致が確認されます。[ 72 ]

Appleは顔パターンにアクセスできません。不正アクセスを防ぐため、システムは目を閉じた状態では動作しません。[ 72 ]この技術はユーザーの外見の変化を学習するため、帽子、スカーフ、眼鏡、サングラス、ひげ、化粧など様々な状況でも機能します。[ 73 ]また、暗闇でも動作します。これは、「フラッドイルミネーター」と呼ばれる専用の赤外線フラッシュを使用することで実現されます。このフラッシュは目に見えない赤外線をユーザーの顔に照射し、3万個の顔ポイントに加えて2D画像を取得します。[ 74 ]

健康管理

顔認識アルゴリズムは、鼻、頬、その他の顔の部分の特定の特徴を利用して、いくつかの病気の診断に役立ちます。[ 75 ]開発されたデータセットに依存して、機械学習は顔の寸法に基づいて遺伝子異常を識別するために使用されています。[ 76 ] FRTは、手術手順の前に患者を確認するためにも使用されています。

2022年3月のフォーブス誌によると、AI開発企業FDNAは、10年間で遺伝学者と協力して約5,000の病気のデータベースを開発し、そのうち1500は顔認識アルゴリズムで検出できると主張した。[ 77 ]

政府サービスを利用するためのFRTの展開

インド

インタビューの中で、国家保健当局長官のR.S.シャルマ博士は、ワクチン接種を求める人々の身元を認証するために、顔認識技術がAadhaarと併用されると述べた。 [ 78 ] 10の人権団体とデジタル権利団体、および150人以上の個人が、中央政府のワクチン接種推進プロセスにおける顔認識技術の導入に警鐘を鳴らすインターネット自由財団の声明に署名した。 [ 79 ]強制的な安全策を含む適切な法律なしにエラーが発生しやすいシステムを導入すると、国民から不可欠なサービスが奪われ、この未検証の技術をインドでのワクチン接種の展開に結び付けることは、人々をワクチン提供システムから排除するだけだ。[ 80 ]

2021年7月、メガーラヤ州政府はプレスリリースで、年金受給者の本人確認に顔認識技術（FRT）を活用し、「年金受給者生存証明書検証」モバイルアプリを用いてデジタル生存証明書を発行すると発表しました。[ 81 ]プレスリリースによると、この通知は年金受給者に「スマートフォンを使って自宅にいながら年金支払当局に生存確認を行うための、安全で簡単、かつ手間のかからないインターフェース」を提供することを目的としています。法学生のジェイド・ジェレミア・リンドー氏は、関係当局に法的通知を送り、「このアプリケーションは、個人データの処理を規制する根拠となる法律がないまま導入されているため、合法性に欠け、政府にはデータ処理の権限がない」と強調しました。[ 82 ]

セキュリティサービスへの展開

スイスの欧州監視：顔認識と車両のメーカー、モデル、色、ナンバープレートの読み取り

連邦

オーストラリア国境警備隊とニュージーランド税関は、スマートゲートと呼ばれる自動国境処理システムを導入しました。このシステムは顔認証技術を用いて、旅行者の顔と電子パスポートのマイクロチップ内のデータを照合します。[ 83 ] [ 84 ]カナダのすべての国際空港では、旅行者の顔と電子パスポートに保存されている写真とを照合する一次検査キオスクプログラムの一環として顔認証技術を使用しています。このプログラムは2017年初頭にバンクーバー国際空港で初めて導入され、2018年から2019年にかけて残りのすべての国際空港に拡大されました。[ 85 ]

イギリスの警察は2015年から公共イベントでライブ顔認識技術を試験的に導入している。[ 86 ] 2017年5月、サウスウェールズ警察が運行するバンに搭載された自動顔認識（AFR）システムを使用して男性が逮捕された。Ars Technicaは「[AFR]が逮捕につながったのはこれが初めてのようだ」と報じた。[ 87 ]しかし、ビッグブラザーウォッチによる2018年のレポートでは、これらのシステムの不正確さが最大98％あることが判明した。[ 86 ]このレポートではまた、イギリスの2つの警察、サウスウェールズ警察とロンドン警視庁が公共イベントや公共の場でライブ顔認識を使用していたことも明らかにした。[ 88 ] 2019年9月、サウスウェールズ警察の顔認識の使用は合法であると判断された。[ 88 ]ライブ顔認識は2016年からロンドンの路上で試験的に導入されており、2020年初頭からロンドン警視庁によって定期的に使用される予定である。 [ 89 ] 2020年8月、控訴院は、2017年と2018年にサウスウェールズ警察が顔認識システムを使用していた方法は人権を侵害しているとの判決を下した。[ 90 ]

しかし、2024年までにロンドン警視庁は1万6000人の容疑者データベースにこの技術を適用し、強姦犯や重傷害罪で8年間指名手配されていた人物を含む360人以上を逮捕した。誤検知率はわずか6000人に1人だと主張している。システムで身元が確認されなかった人物の写真は直ちに削除される。[ 91 ]

アメリカ合衆国

ハーツフィールド・ジャクソン・アトランタ国際空港に、米国税関・国境警備局が開発した「生体認証顔スキャナー」を備えた搭乗ゲートが設置された。

米国務省は世界最大級の顔認識システムを運用しており、1億1700万人のアメリカ人成人のデータベースを保有している。写真は通常、運転免許証の写真から抽出されている。[ 92 ]まだ完成には程遠いが、一部の都市では写真に写っている人物の手がかりを得るために活用されている。FBIは写真を確実な身元確認のためではなく捜査ツールとして使用している。[ 93 ] 2016年時点では、サンディエゴとロサンゼルスで警察が撮影した写真に写っている人物を特定するために顔認識が使用されており（リアルタイムの映像ではなく、逮捕時の写真に対してのみ）、[ 94 ]ウェストバージニア州とダラスでも導入が計画されている。[ 95 ]

近年、メリーランド州では、人々の顔と運転免許証の写真を照合する顔認証システムが導入されました。このシステムは、フレディ・グレイが警察の拘束下で死亡した後、ボルチモアで暴徒化した抗議者を逮捕するために使用された際に物議を醸しました。[ 96 ]他の多くの州でも同様のシステムを導入または開発中ですが、一部の州では法律で使用が禁止されています。

FBIはまた、顔認証に加え、指紋や虹彩スキャンといった従来の生体認証も取り入れた次世代識別プログラムを導入し、犯罪データベースと民事データベースの両方から情報を取得できるようにした。[ 97 ]連邦政府監査院は、 FBIがプライバシーと正確性に関する様々な懸念に対処していないと批判した。[ 98 ]

2018年から、米国税関・国境警備局（CBP）は米国の空港に「生体認証顔スキャナー」を導入しました。国際線を利用する乗客は、CBPのデータベースに保存されている身分証明書の写真と照合することで顔画像を撮影し、本人確認を行うことで、チェックイン、セキュリティチェック、搭乗手続きを完了できます。米国市民権を持つ旅行者の画像は、最大12時間以内に削除されます。運輸保安局（TSA）は、将来的に米国国内線のセキュリティチェックでも同様のプログラムを導入する意向を表明しています。アメリカ自由人権協会（ACLU）は、このプログラムが監視目的で使用されることを懸念し、反対する団体の一つです。[ 99 ]

2019年、研究者らは、移民関税執行局（ICE）が、不法移民に運転免許証を発行している一部の州を含む州の運転免許証データベースに対して顔認識ソフトウェアを使用していると報告した。[ 98 ]

2022年12月、米国の主要16空港で顔認識技術の試験運用が開始された。カメラ付きキオスクで旅行者のIDの写真を確認し、搭乗者が偽者でないことを確認するというものだ。[ 100 ] 2025年には、ニューオーリンズ警察が、 ACLUのフリード・ウェスラー氏が「米国の主要都市の警察がライブカメラ映像に映っている人物をAIで識別し、即時逮捕するという、初めての大規模な取り組み」と呼んだ技術を導入したことが明らかになった。これは、この技術の使用を制限する2022年の市条例に反するものだ。[ 101 ]

中国

2006年、中国政府は全国にCCTV監視システムを設置する「天網（Skynet）」プロジェクトを開始し、2018年現在、このプロジェクトのために全国に2000万台のカメラが設置されており、その多くはリアルタイムの顔認識機能を備えている。[ 102 ]一部の当局者は、現在のSkynetシステムは中国全土の人口を1秒で、世界人口を2秒でスキャンできると主張している。[ 103 ]

北京西駅の顔認識技術搭載搭乗ゲート

2017年、青島警察は青島国際ビール祭りで顔認識装置を用いて指名手配中の容疑者25人を特定した。そのうち1人は10年間逃亡していた。[ 104 ]この装置は、15秒間のビデオクリップを録画し、対象者の複数のスナップショットを撮影する。このデータは警察のデータベースの画像と比較・分析され、20分以内に98.1%の精度で対象者を特定することができる。[ 105 ]

2018年、鄭州と北京の中国警察はスマートグラスを使って写真を撮影し、顔認識技術を使った政府のデータベースと照合して容疑者を特定し、住所を検索し、自宅の地域外へ移動する人々を追跡していた。[ 106 ] [ 107 ]

2017年後半現在、中国は新疆に顔認識技術と人工知能（AI）技術を導入している。同地域を訪れた記者は、複数の都市で約100メートルおきに監視カメラが設置されているほか、ガソリンスタンド、ショッピングセンター、モスクの入り口などに顔認識検問所が設置されているのを確認した。 [ 108 ] [ 109 ] 2019年5月、ヒューマン・ライツ・ウォッチは、新疆ウイグル自治区のウイグル族コミュニティのデータ収集と追跡に使用されている警察の監視アプリ、統合共同作戦プラットフォーム（IJOP）でFace++コードが見つかったと報告した。[ 110 ]ヒューマン・ライツ・ウォッチは2019年6月に報告書の訂正を発表し、中国企業のMegviiはIJOPに協力していなかったようで、アプリ内のFace++コードは動作しなかったと述べた。[ 111 ] 2020年2月、新型コロナウイルス感染症の流行を受け、Megviiは人混みの中で新型コロナウイルス感染症の症状のある人を特定するために導入した体温スクリーニングシステムを最適化するため、銀行融資を申請した。融資申請書類の中で、Megviiはマスク着用者の識別精度を向上させる必要があると述べていた。[ 112 ]

中国では、鉄道駅、空港、観光地、博覧会、オフィスビルなど、多くの公共の場で顔認証装置が導入されている。2019年10月、浙江理工大学の教授が杭州サファリパークを顧客の個人情報を悪用したとして提訴した。このサファリパークは、顔認証技術を用いてイヤーカード保有者の本人確認を行っている。中国では推定300の観光地が顔認証システムを導入し、入場者の入場に利用している。このケースは、中国における顔認証システムの利用に関する最初の事例と報じられている。[ 113 ] 2020年8月、ラジオ・フリー・アジアは、2019年にテンセントのWeChatアプリを使って米国の友人に動画を転送した太原市の市民、耿冠軍がその後、「喧嘩を売ってトラブルを誘発した」罪で有罪判決を受けたと報じた。裁判所の文書によると、中国警察は顔認識システムを使って耿冠軍を「海外の民主活動家」と特定し、中国のネットワーク管理部門と宣伝部門はWeChatユーザーを直接監視していた。[ 114 ]

2019年、香港の抗議者たちは、中国当局による監視に使われるカメラや顔認識システムが仕掛けられているのではないかという懸念から、スマート街灯を破壊した。[ 115 ]人権団体は、中国政府がウイグル人[ 116 ] 、キリスト教徒[ 117 ] 、法輪功学習者[ 118 ]に対する弾圧に人工知能の顔認識技術を使用していると批判している。[ 119 ]

インド

顔認識技術（FRT）は完全な精度ではないものの[ 120 ] 、インド警察では身元確認のためにますます導入が進んでいます。FRTシステムは、身元確認対象となる容疑者と警察が保有する身元確認済み犯罪者データベースとの間の確率一致スコア、つまり信頼度スコアを生成します。国家自動顔認識システム（AFRS）[ 121 ]は、内務省傘下の国家犯罪記録局（NCRB）によって既に開発が進められています。このプロジェクトは、中央および州の治安機関の顔認識技術システムに適合する全国的な写真データベースの開発と導入を目指しています。インターネット・フリーダム財団はこのプロジェクトに関して懸念を表明しています[ 122 ] 。このNGOは、FRTシステムの精度は「日常的に誇張されており、実際の数値は改善の余地が大いにある」と指摘しています[ 122 ]。このような欠陥のあるFRTシステムの導入は、この認識プロセスにおいて誤検知率と誤検知率の上昇につながるでしょう。 

インド最高裁判所のKS・プッタスワミ判事対インド連邦政府（22017 10 SCC 1）判決によれば、憲法第21条で基本的人権として保護されている人々のプライバシー権に対する国家による正当な侵害は、合法性、必要性、比例性、手続き上の保障といった一定の基準を満たしていなければならない。[ 123 ]インターネット・フリーダム財団によると、国家自動顔認識システム（AFRS）の提案は、「合法性の欠如」、「明白な恣意性」、「保障措置と説明責任の欠如」を理由に、これらの基準のいずれにも該当しない。[ 124 ]

国家レベルのAFRSプロジェクトはまだ進行中ですが、インドの各州の警察署ではすでに顔認識技術システムを導入しています。例えば、テランガーナ州のTSCOP + CCTNS、[ 125 ]、パンジャブ州のパンジャブ人工知能システム（PAIS）、[ 126 ]、ウッタル・プラデーシュ州のTrinetra、[ 127 ]、ウッタラーカンド州の警察人工知能システム、[ 128 ]、デリーのAFRS、マハラシュトラ州の自動マルチモーダル生体認証システム（AMBIS）、タミル・ナードゥ州のFaceTagrなどです。国家電子政府計画（NeGP）に基づくミッションモードプロジェクトである犯罪・犯罪者追跡ネットワークシステム（CCTNS）[ 129 ]は、インド全土の警察署を結び、警察署同士の「対話」 [ 130 ]を支援するシステムと見られています。このプロジェクトの目的は、登録されたFIR（警察署の捜査記録）、捜査済みの事件、起訴状、そしてすべての警察署の容疑者と指名手配者を含む、すべてのFIR関連情報をデジタル化することです。これにより、インドの犯罪と犯罪者の全国データベースが構築されます。CCTNSは、データ保護法が整備されていない状態で実施されています。CCTNSは、犯罪および犯罪に関連するすべての顔データのリポジトリであるAFRS（顔認識システム）との統合が提案されています。AFRSは、画像から動画まで、様々な情報から人物を特定または検証するために活用できるとされています。[ 131 ]このことは、市民社会団体やプライバシー専門家からプライバシーに関する懸念を引き起こしています。両プロジェクトは、国家による「大量監視」の手段として非難されています。 [ 132 ]ラジャスタン州では、警察アプリ「RajCop」に最近、容疑者の顔を既知の人物データベースとリアルタイムで照合できる顔認識モジュールが統合されました。ラジャスタン州警察は現在、このモジュールの範囲を広げ、逮捕されたすべての人物の写真をCCTNSデータベースにアップロードすることを義務付け、「既知の犯罪者の豊富なデータベースの開発に役立つ」よう取り組んでいます。[ 133 ]

ラジャスタン州警察は、治安維持活動において、カメラ付きのヘルメットを設計し、警察の行動や「犯罪者」の行動を捉え、後に事件捜査の証拠として活用している。[ 133 ] PAIS（パンジャブ人工知能システム）アプリは、ディープラーニング、機械学習、顔認識技術を用いて犯罪者を特定し、警察官の支援を行っている。[ 133 ]テランガーナ州は80万台のCCTVカメラを設置しており、[ 133 ]州都ハイデラバードは徐々に監視の中心地となりつつある。[ 134 ]

偽陽性とは、顔認識技術が人物を本人ではない人物と誤認する、つまり誤った陽性結果を出すことです。偽陽性はしばしば差別や既存の偏見の強化につながります。例えば、2018年にデリー警察は、FRTシステムの精度が2%だったと報告しましたが、2019年には1%に低下しました。FRTシステムは性別を正確に区別することさえできませんでした。[ 135 ]

デリー政府は、インド宇宙研究機関（ISRO）と共同で、犯罪マッピング分析・予測システム（CMAPS）と呼ばれる新技術を開発している。このプロジェクトは、宇宙技術を「犯罪の抑制と法と秩序の維持」に活用することを目指している。[ 133 ]このシステムは、犯罪者データを収録したデータベースに接続される。[ 133 ]この技術は、犯罪現場でリアルタイムのデータを収集するために活用されることが想定されている。[ 133 ]

2020年11月25日付の回答で、インターネット自由財団は、デリー警察が使用している顔認識システムに関する情報を求めて情報公開請求（参照番号DEPOL/R/E/20/07128）を提出したが、[ 136 ]、警察副長官兼犯罪広報担当官室は、情報公開法2005年第8条(d)に基づき情報提供はできないと述べた。[ 137 ] 2020年7月30日付の情報公開請求（RTI）がコルカタ警察長官室に提出され、警察が使用している顔認識技術に関する情報が求められた。[ 138 ]求められた情報は拒否され、[ 139 ]、RTI法第24条(4)に基づき警察は情報開示を免除されていると述べられた。

ラテンアメリカ

2000年のメキシコ大統領選挙では、メキシコ政府は不正投票を防止するために顔認識ソフトウェアを導入しました。一部の有権者は複数の名前で投票登録を行い、重複投票を企てていました。当局は新たな顔画像を既存の有権者データベースに登録されている顔画像と比較することで、重複登録を減らすことができました。[ 140 ]

コロンビアでは、公共交通機関のバスに FaceFirst Inc の顔認識システムが搭載されており、コロンビア国家警察が捜索している乗客を識別しています。 FaceFirst Inc は、パナマのトクメン国際空港の顔認識システムも構築しました。顔認識システムは、パナマ国家警察またはインターポールが捜索している旅行者の中から個人を識別するために配備されています。[ 141 ]トクメン国際空港は、空港を通過する指名手配犯を識別するために、数百台のライブ顔認識カメラを使用した空港全体の監視システムを運用しています。顔認識システムは、当初 1,100 万ドルの契約の一部として導入され、 60 台のコンピューターからなるコンピューター クラスター、空港ビル用の光ファイバー ケーブルネットワーク、および空港ターミナルと約 30 の空港ゲートに 150 台の監視カメラの設置が含まれていました。[ 142 ]

2014年FIFAワールドカップブラジル大会では、ブラジル連邦警察が顔認証ゴーグルを使用しました。また、2016年リオデジャネイロ夏季オリンピックでも「中国製」の顔認証システムが配備されました。 [ 141 ] Nuctech社は、マラカナン・スタジアムに145台の検査端末、デオドロ・オリンピック公園に55台の端末を提供しました。[ 143 ]

欧州連合

欧州連合（EU）の少なくとも21カ国の警察は、行政目的または刑事目的で顔認識システムを使用しているか、使用を計画している。[ 144 ]

ギリシャ

ギリシャ警察は、イントラコム・テレコム社と、ライブ顔認識システムを搭載した少なくとも1,000台の機器の提供契約を締結した。納入は2021年夏までに予定されている。契約総額は400万ユーロを超え、その大部分は欧州委員会の内部安全保障基金から拠出される。[ 145 ]

イタリア

イタリア警察は2017年に顔認識システム「Sistema Automatico Riconoscimento Immagini（SARI）」を導入した。2020年11月、内務省は難民申請の疑いのある人物を特定するために、このシステムをリアルタイムで活用する計画を発表した。[ 146 ]

オランダ

オランダは2016年から顔認識技術と人工知能（AI）技術を導入している。[ 147 ]オランダ警察のデータベースには現在、130万人のオランダ国民の220万枚以上の写真が保存されている。これは人口の約8%に相当し、オランダでは警察による市営CCTV監視には顔認識技術は使用されていない。[ 148 ]

南アフリカ

南アフリカでは、2016年にヨハネスブルグ市が自動ナンバープレート認識機能と顔認識機能を備えたスマートCCTVカメラを導入すると発表しました。[ 149 ]

小売店への導入

米国の3VR社（現アイデンティブ社）は、2007年から小売店向けに顔認識システムとサービスを提供し始めたベンダーの一例である。 [ 150 ] 2012年には、同社は「顧客の待ち時間を短縮するための滞留時間と待ち行列の分析」、「従業員による顧客の個別の挨拶を促進するための顔監視分析」、「販売時点情報管理（POS）データと顔認識を組み合わせてロイヤルティプログラムを作成する」などのメリットを宣伝した。[ 151 ]

アメリカ合衆国

2018年、全米小売業協会損失防止研究評議会は、顔認識技術を「評価する価値のある有望な新ツール」と呼んだ。[ 152 ]

2020年7月、ロイター通信は、薬局チェーンのライトエイドが2010年代に米国の一部の小売店に、FaceFirst、DeepCam LLCなどのベンダー製の顔認識ビデオ監視システムとコンポーネントを導入していたと報じた。 [ 152 ]ライトエイドの資産保護担当副社長キャシー・ラングレー氏は、これらのシステムを「特徴マッチング」と呼び、システムの使用により同社の店舗における暴力や組織犯罪が減少したと述べた。一方、元資産保護担当副社長ボブ・オベロスラー氏は、従業員の安全性の向上と法執行機関の関与の必要性の減少を強調した。[ 152 ]ライトエイドは、この報道を受けて2020年にロイター通信に声明を発表し、顔認識ソフトウェアの使用を中止し、カメラの電源を切ったと述べた。[ 152 ]

全米小売業協会損失防止研究評議会のディレクター、リード・ヘイズ氏によると、ライトエイド社の監視プログラムは小売業界で最大規模、もしくは最大級のプログラムの一つだという。 [ 152 ]ホーム・デポ、メナーズ、ウォルマート、セブンイレブンなど他の米国の小売業者も顔認識技術の大規模なパイロットプログラムや導入に取り組んでいる。[ 152 ]

ロイターが2020年に調査したライトエイドの店舗のうち、有色人種が最大の人種的・民族的グループを占める地域の店舗では、この技術が導入されている可能性が3倍高く[ 152 ] 、米国における人種差別と人種プロファイリングの長い歴史に関連した懸念を引き起こしている。ライトエイドは、店舗の選定は個々の店舗の盗難履歴、地域および国の犯罪データ、そして店舗のインフラに基づいて「データに基づいて」行われたと述べた[ 152 ] 。

オーストラリア

2019年には、盗難防止のための顔認識がシドニーのスターカジノで使用され、ニュージーランドのゲーム会場でも導入されました。[ 153 ]

2022年6月、消費者団体CHOICEは、オーストラリアのKmart、Bunnings、The Good Guysで顔認識技術が使用されていると報告しました。The Good Guysはその後、CHOICEがオーストラリア情報コミッショナー事務局に提訴するまで、この技術の使用を停止しましたが、Bunningsは技術の使用を継続し、Kmartは試験運用を継続しました。[ 154 ]

その他の用途

フロリダ州オーランド近郊のディズニー・マジック・キングダムで、パーク入場時の顔認証技術の試験中

2001年1月に開催されたアメリカンフットボールのチャンピオンシップゲーム、スーパーボウルXXXVで、フロリダ州タンパベイの警察はViisageの顔認識ソフトウェアを使用して、イベントに出席していた潜在的な犯罪者やテロリストを捜索しました。軽微な犯罪歴を持つ19人が特定された可能性があります。[ 155 ] [ 156 ]

顔認識システムは写真管理ソフトウェアでも写真の被写体を識別するために使用されており、人物で画像を検索したり、写真に特定の人物が写っていることが検出された場合にその人物と共有する写真を提案したりする機能を実現しています。[ 157 ] [ 158 ] 2008年までに、顔認識システムはセキュリティシステムのアクセス制御に一般的に使用されるようになりました。[ 159 ]

アメリカのポピュラーミュージックおよびカントリーミュージックの有名人であるテイラー・スウィフトは、 2018年のコンサートで顔認識技術を密かに使用しました。カメラはチケット売り場の近くのキオスクに埋め込まれており、コンサートの観客が施設に入る際に既知のストーカーがいないかどうかをスキャンしました。[ 160 ]

2019年8月18日、タイムズ紙は、UAE傘下のマンチェスター・シティが、ドライバープログラムに顔認識システムを導入するため、テキサス州に拠点を置く企業Blink Identity社を雇用したと報じた。同クラブは、エティハド・スタジアムにサポーター専用の超高速レーンを設置する計画だ。[ 161 ]しかし、市民権団体は、この技術導入は「大量監視ツールの常態化」につながるリスクがあるとして、クラブに警告を発している。リバティの政策・キャンペーン担当官ハンナ・カウチマン氏は、マンチェスター・シティのこの動きは憂慮すべきものだと述べている。サポーターは、日常生活において追跡・監視される可能性がある、極めて機密性の高い個人情報を民間企業と共有することを余儀なくされるからだ。[ 162 ]

2019年にはオーストラリアとニュージーランドのカジノが盗難防止のために顔認識システムを導入し、シドニーのスターカジノの担当者は常連客をバーに再び迎え入れるといった「顧客サービス」も提供すると述べた。[ 153 ]

2020年8月、米国でCOVID-19パンデミックが続く中、ニューヨークとロサンゼルスのアメリカンフットボールスタジアムは、今後の試合に顔認証システムを導入すると発表した。入場手続きを可能な限り非接触にすることが目的である。[ 163 ]フロリダ州オーランド近郊のディズニー・マジックキングダムも同様に、パンデミック中に非接触体験を実現するため、顔認証技術のテストを実施すると発表した。テストは当初、2021年3月23日から4月23日の間に実施される予定だったが、2021年4月下旬に期限が撤廃された。[ 164 ]

メディア企業は、写真やビデオの追跡、整理、アーカイブ化を効率化するために顔認識技術を使い始めています。[ 165 ]

メリットとデメリット

他の生体認証システムと比較して

2006年には、最新の顔認識アルゴリズムの性能が顔認識グランドチャレンジ（FRGC）で評価されました。高解像度の顔画像、3D顔スキャン、虹彩画像がテストに使用されました。その結果、新しいアルゴリズムは2002年の顔認識アルゴリズムの10倍、1995年の顔認識アルゴリズムの100倍の精度であることが示されました。一部のアルゴリズムは、顔認識において人間の参加者を凌駕し、一卵性双生児を識別できました。[ 45 ] [ 166 ]

顔認識システムの主な利点の一つは、被験者の協力を必要としないため、大量の個人識別が可能であることです。空港、複合施設、その他の公共の場に設置された適切に設計されたシステムは、通行人がシステムに気付くことさえなく、群衆の中から個人を識別できます。[ 167 ]しかし、他の生体認証技術と比較すると、顔認識は必ずしも最も信頼性が高く効率的であるとは限りません。顔画像には大きなばらつきがあるため、顔認識システムでは品質指標が非常に重要です。顔撮影時の照明、表情、姿勢、ノイズなどの要因が、顔認識システムの性能に影響を与える可能性があります。[ 167 ]すべての生体認証システムの中で、顔認識は誤承認率と拒否率が最も高く、[ 167 ]そのため、鉄道や空港のセキュリティ、法執行、住宅や雇用の決定において、顔認識ソフトウェアの有効性や偏りについて疑問が提起されています。[ 168 ] [ 5 ]

弱点

2008年、カーネギーメロン大学ロボット工学研究所の研究者であるラルフ・グロスは、顔の視野角に関連する一つの障害について次のように述べています。「顔認識は正面顔や20度斜め顔ではかなり精度が上がっていますが、横顔になるとすぐに問題が発生します。」[ 45 ]ポーズのバリエーションに加え、低解像度の顔画像も認識が非常に困難です。これは、監視システムにおける顔認識の主な障害の一つです。[ 169 ]また、カメラの設定によっては、白い肌の画像が他の肌の色よりも鮮明になる可能性があることも示唆されています。[ 5 ]

顔認識は、表情が変化すると効果が低下します。大きな笑顔はシステムの効果を低下させる可能性があります。例えば、カナダでは2009年にパスポート写真において無表情な顔のみが許可されました。[ 170 ]

研究者が使用するデータセットにも一貫性がない。研究者が使用する被験者は数人から数十人、画像も数百枚から数千枚に及ぶ。データセットは多様で包括的なものもあれば、白人男性の画像が中心の場合もある。研究者は、使用したデータセットを互いに共有するか、少なくとも標準的なデータセット、あるいは代表的なデータセットを持つことが重要である。[ 171 ]

一部の顔認識システムでは高い精度が謳われていますが、必ずしも全ての人に当てはまるわけではありません。最も精度が低いのは、18歳から30歳、黒人、女性です。[ 5 ]

人種的偏見と肌の色

研究によると、顔認識アルゴリズムは、肌の色が薄い人の方が肌の色が濃い人よりもパフォーマンスが良い傾向があることが示されています。例えば、2018年の研究では、顔認識モデルである主要な商用性別分類モデルは、肌の色が濃い人の方が肌の色が薄い人よりも最大7倍もエラー率が高いことがわかりました。[ 172 ]当初、この差はトレーニングデータセットの不均衡に起因すると考えられていました。トレーニングデータセットは肌の色が薄い人を過剰に代表することが多く、肌の色が濃い人のエラー率が高くなる原因となっていました。しかし、その後の研究では、データセットの不均衡がパフォーマンスの違いの唯一の原因ではないことが示されました。[ 173 ]

JPEGクロマサブサンプリングなどの一般的な画像圧縮方法は、肌の色が濃い人の認識性能を著しく低下させることが分かっています。これらの方法は色情報を適切に表現できないため、肌の色が濃い人を正確に認識するアルゴリズムの能力に悪影響を及ぼします。[ 174 ]

人種間効果バイアス

顔認識システムは、非ヨーロッパ中心主義的な顔の特徴を持つ個人を識別する際に、しばしば精度が低くなる。これは人種間効果として知られており、システムがトレーニングデータに過剰に代表される人種または民族グループに対して優れたパフォーマンスを発揮し、結果として過少に代表されるグループの精度が低下する場合に発生する。[ 175 ]過剰に代表されるグループとは、一般的にモデルが開発されている地域でより人口の多いグループである。例えば、アジア文化圏で開発されたモデルは、開発者のトレーニングデータセットに過剰に代表されるため、ヨーロッパ中心主義的な顔の特徴よりもアジア人の顔の特徴に対して一般的に優れたパフォーマンスを発揮する。ヨーロッパ中心主義的な文化圏で開発されたモデルでは、その逆の現象が観察される。[ 176 ]

顔認識に使用されるシステムは、ヨーロッパ中心主義的な祖先の特徴を完全に認識するために必要な十分な訓練が不足していることが多い。これらの機械学習（ML）モデルの訓練データとデータベースに多様な表現が含まれていない場合、モデルは見落とされた集団を識別できず、人種的バイアスが増大する。[ 7 ]

人種間効果は機械に限ったことではありません。人間も自分とは異なる人種や民族の顔を認識するのに困難を感じます。これは、人間に固有のバイアスが訓練データセットに永続化している一例です。[ 177 ]

障害を持つ人々が直面する課題

顔認識技術は、障害のある個人を識別する際に大きな課題に直面しています。例えば、ダウン症候群の個人を認識する場合、システムの性能が低下し、誤認識率が高くなることが示されています。これは、ダウン症候群に関連する特徴的な顔の構造が、トレーニングデータセットに適切に表現されていないことが原因です。[ 178 ]

より広い意味では、顔認識システムは障害に関連する多様な身体的特徴を見落としがちです。様々な障害を持つ個人を代表するデータが不足していることは、バイアスを軽減し、精度を向上させるための包括的なアルゴリズム設計の必要性をさらに強調しています。[ 179 ]

さらに、表情認識技術は、知的障害のある人の感情状態を正確に解釈できないことがよくあります。この欠点は効果的なコミュニケーションや交流を妨げる可能性があり、知的障害のある人を含む多様なデータセットで訓練されたシステムの必要性を浮き彫りにしています。[ 180 ]

さらに、顔認識アルゴリズムのバイアスは、障がいのある人々にとって差別的な結果につながる可能性があります。例えば、特定の顔の特徴や非対称性は、誤認や排除につながる可能性があり、アクセスしやすく公平な生体認証システムの開発の重要性を浮き彫りにしています。[ 181 ]

公平性と緩和戦略の進歩

顔認識における人口統計学的バイアスに対処するために、入力、モデル、出力の各段階での処理によって多大な努力がなされてきた。[ 173 ]

さらに、対象を絞ったデータセットの収集は、顔認識システムにおける人種間の公平性を向上させることが示されています。多様なデータ入力を優先することで、研究者たちは人種グループ間のパフォーマンス格差が測定可能な形で減少することを実証しました。[ 178 ]

効果がない

この技術を批判する人々は、ロンドン・ニューハム区のシステムでは、システムのデータベースに区内在住の犯罪者が複数登録されており、システムが数年間運用されているにもかかわらず、2004年時点で犯罪者を一人も認識していないと批判している。「警察の知る限り、ニューハムの自動顔認識システムは一度も生きた標的を検知していない」[ 156 ] [ 182 ]この情報は、このシステムによって犯罪が34%減少したという主張（そのためバーミンガムにも導入された）と矛盾しているようだ。[ 183 ]

2002年にフロリダ州タンパの地元警察が行った実験も同様に残念な結果に終わった。[ 156 ]ボストンのローガン空港のシステムは2年間の試験期間中に一致が見られなかったため、2003年に停止された。[ 184 ]

2014年、Facebookは標準化された2択の顔認識テストで、同社のオンラインシステムの精度が97.25%だったと発表した。これは人間のベンチマークである97.5%を上回っている。[ 185 ]

システムは100%に近い精度を誇ると宣伝されることが多いが、これは結果が普遍的ではないため誤解を招く。[ 5 ]研究では、大規模なアプリケーションに必要なサンプル数よりも少なく、多様性に欠けるサンプルが使用されることが多い。顔認識は完全に正確ではないため、潜在的な一致候補のリストを作成する。その後、人間のオペレーターがこれらの潜在的な一致候補を確認する必要があり、研究によると、オペレーターがリストから正しい一致候補を選ぶ確率は約半分に過ぎないことが分かっている。これが、誤った容疑者をターゲットにしてしまうという問題を引き起こす。[ 93 ] [ 186 ]

論争

プライバシー侵害

電子フロンティア財団、ビッグ・ブラザー・ウォッチ、ACLUなどの公民権団体やプライバシー保護活動家は、監視技術の使用によってプライバシーが侵害されていることを懸念している。[ 187 ] [ 86 ] [ 188 ]顔認識は、個人を識別するだけでなく、その個人が写っている他の写真、ブログの投稿、ソーシャルメディアのプロフィール、インターネットでの行動、移動パターンなど、個人に関連する他の個人データを掘り起こすためにも使用される可能性がある。 [ 189 ]ある時点での居場所や一緒にいる人に関する情報に誰がアクセスできるかについて懸念が生じている。[ 190 ]さらに、顔を隠さない限り、顔認識による追跡を回避または阻止する能力は限られている。 これにより、マーケティング担当者、政府機関、またはランダムな見知らぬ人が、顔認識システムによって捕捉された個人の身元と関連する個人情報を秘密裏に収集できるようになり、日常のプライバシーの力学が根本的に変わる。[ 189 ]消費者は自分のデータが何に使用されているかを理解していないか認識していない場合があり、そのため個人情報がどのように共有されるかについて同意することができません。[ 190 ]

2015年7月、米国会計検査院（GAO）は、米国上院司法委員会プライバシー・技術・法律小委員会の筆頭委員宛てに報告書を作成した。報告書では、顔認識技術の商業利用、プライバシー問題、および適用される連邦法について議論されている。報告書は、顔認識技術に関する問題は以前にも議論されており、連邦法が先進技術の影響に常に適合するよう、米国のプライバシー法を改訂する必要があると指摘している。報告書では、一部の業界、政府、民間団体が「自主的なプライバシーガイドライン」を策定中、または策定済みであると指摘されている。これらのガイドラインは関係者によって内容が異なっていたが、全体的な目的は、顔認識技術の意図された用途について市民の同意を得て情報を提供することであった。報告書によると、自主的なプライバシーガイドラインは、市民が自分の個人データがどのように利用されるかを知らない場合に生じるプライバシーに関する懸念を軽減するのに役立ったという。[ 190 ]

2016年、ロシアの企業NtechLabは、ロシアのユーザーが路上で見知らぬ人の写真を撮り、ソーシャルメディアプラットフォームVkontakte （VK）のソーシャルメディアプロフィールにリンクできるというFindFace顔認識システムを発表し、国際的なメディアでプライバシースキャンダルを引き起こしました。[ 191 ] 2017年12月、Facebookは、タグ付けされていなくても、Facebookがユーザーの顔だと判断した写真がアップロードされた場合にユーザーに通知する新機能を導入しました。Facebookは、以前の反発にもかかわらず、この新機能を肯定的に捉えようとしてきました。[ 192 ] Facebookのプライバシー責任者であるロブ・シャーマンは、この新機能はユーザーがオンライン上の自分の写真をよりコントロールできるようにするものだと述べました。「私たちはこれを本当に力強い機能として考えています」と彼は言います。「あなたが知らない写真が存在する可能性があります。」[ 193 ] FacebookのDeepFaceは、生体情報プライバシー法に基づく複数の集団訴訟の対象となっており、Facebookがユーザーのインフォームドコンセントを得ずに顔認識データを収集・保管しており、2008年の生体情報プライバシー法（BIPA）に直接違反していると主張している。[ 194 ]最新の訴訟は、裁判所の管轄権がなかったため、2016年1月に却下された。[ 195 ]米国では、Clearview AIなどの監視企業が、米国憲法修正第1条に基づき、ソーシャルメディアプラットフォーム上のユーザーアカウントから顔認識システムの開発に使用できるデータを収集している。 [ 196 ]

2019年、フィナンシャル・タイムズは、顔認識ソフトウェアがロンドンのキングス・クロス地区で使用されていることを初めて報じた。 [ 197 ]ロンドンのキングス・クロス幹線駅周辺の開発には、店舗、オフィス、グーグルの英国本社、セント・マーチンズ・カレッジの一部が含まれている。英国情報コミッショナー事務局によると、「人々が合法的に日常生活を送っているときに顔をスキャンして個人を特定することは、プライバシーに対する潜在的な脅威であり、私たち全員が懸念すべきである。」[ 198 ] [ 199 ]英国情報コミッショナーのエリザベス・デナムは、アージェント社が運営するキングス・クロスの顔認識システムの使用について調査を開始した。2019年9月、アージェント社は、キングス・クロスでは顔認識ソフトウェアを今後使用しないと発表[ 200 ] 2019年10月、ロンドン副市長ソフィー・リンデンの報告書によると、ロンドン警視庁が秘密裏に7人の写真をアージェント社に渡し、キングスクロス顔認識システムで使用させていたことが明らかになった。[ 201 ]

自動顔認識は、2017年から2019年にかけて、南ウェールズ警察によって複数回試行された。この技術の使用は、慈善団体リバティの支援を受けた民間人のエドワード・ブリッジズによって法廷で争われた（R（ブリッジズ）対南ウェールズ警察署長事件）。この事件は控訴院で審理され、判決は2020年8月に言い渡された。[ 202 ]この事件では、顔認識の使用には不十分な法的枠組みや比例性があり、その使用は1998年および2018年データ保護法に違反しているという理由で、顔認識の使用はプライバシーの侵害であると主張した。この事件はブリッジズに有利な判決が下され、損害賠償は支払われなかった。この事件は不正行為の宣言により和解した。[ 202 ]この事件を受けて、英国政府は公共空間における顔認識技術の利用を規制する法案の成立を繰り返し試みてきました。提案された法案は、CCTVコミッショナーと同様に、政府機関による顔認識技術の利用を規制する権限を持つコミッショナーの任命を試みています。しかし、この法案はまだ施行されていません（2021年9月時点）。[ 126 ]

2023年1月、ニューヨーク州司法長官レティシア・ジェームズは、マディソン・スクエア・ガーデン・エンターテインメント社に対し、同社に対する訴訟に関与する弁護士のマディソン・スクエア・ガーデンへの入場を阻止するために顔認識技術を使用したとの報道を受け、顔認識技術の使用について詳細な情報提供を求めた。ジェームズ氏は、このような措置は連邦、州、および地方の人権法に違反する可能性があると指摘した。[ 203 ]

法執行における不完全な技術

2018年現在、顔認識技術が有色人種に対して精度が低いかどうかについては依然として議論がある。[ 204 ]ジョイ・ブオラムウィニ（MITメディアラボ）とティムニット・ゲブル（マイクロソフトリサーチ）によるある研究では、3つの商用顔認識システムにおける有色人種の女性の性別認識のエラー率は23.8%から36%であったのに対し、肌の色が薄い男性では0.0%から1.6%であった。男性を識別する全体的な精度率（91.9%）は女性（79.4%）よりも高く、どのシステムもノンバイナリーの性別の理解に対応していなかった。[ 205 ]また、商用顔認識モデルのトレーニングに使用されたデータセットは、より広い人口を代表するものではなく、肌の色が薄い男性に偏っていることも示された。しかし、別の研究では、全国の法執行機関に販売されたいくつかの商用顔認識ソフトウェアは、白人よりも黒人の誤った不一致率が低いことが示されている。[ 206 ]

専門家たちは、顔認識システムが、警察が保護しようとしていると主張する市民を実際には傷つけているのではないかと懸念している。[ 207 ]顔認識システムは不完全な生体認証と考えられており、ジョージタウン大学の研究者クレア・ガービー氏が行った研究では、「科学界において、顔認識システムが特定の人物を確実に特定できるというコンセンサスは存在しない」と結論付けている。[ 208 ]この技術には大きな誤差が生じるため、法律専門家と顔認識ソフトウェア企業の双方が、この技術は事件の一部の情報を提供するに過ぎず、個人の逮捕につながる証拠を提供すべきではないと主張している。[ 208 ]顔認識技術企業に人種差別的な偏見のあるテストを義務付ける規制がないことは、法執行機関における顔認識システムの導入において重大な欠陥となり得る。法執行機関向けにマーケティングを行うサイバーエクストゥルーダー社は、自社のソフトウェアにおける偏見に関するテストや調査は実施していないと述べた。同社は、現在の技術の限界では、一部の肌の色はソフトウェアで認識するのが難しいと指摘している。 「顔認識では肌の色が非常に濃い人を高い精度で識別するのが難しいのと同様に、肌の色が非常に薄い人も同様です」と、サイバーエクストゥルーダーのシニアソフトウェアエンジニア、ブレイク・センフトナー氏は述べた。[ 208 ]

米国国立標準技術研究所（NIST）は、FRTシステムの1対1認証[ 209 ]と1対多認証[ 209 ]について広範な試験を実施しました。また、異なる人口統計学的グループ間でのFRTの精度の違いについても試験しました。この独立した研究では、現時点では100%の精度を持つFRTシステムは存在しないと結論付けられました。[ 210 ]

データ保護

ペルーは2010年に個人データ保護法を可決し、個人を特定できる生体認証情報を機微なデータと定義した。コロンビアは2012年に包括的なデータ保護法を可決し、生体認証データを機微な情報と定義した。[ 141 ] EUの2016年一般データ保護規則（GDPR）第9条(1)によれば、「自然人を一意に識別する」目的で生体認証データを処理することは機微なものであり、このように処理された顔認識データは機微な個人データとなる。GDPRがEU加盟国の法律として可決されたことを受けて、EUを拠点とする研究者らは、GDPRに基づいて顔認識データの処理について個人の同意を得ることが義務付けられれば、MegaFace規模の顔データベースは二度と構築できないのではないかと懸念を表明した。[ 211 ] 2019年9月、スウェーデンデータ保護局（DPA）は、授業中の時間のかかる点呼の代替としてこの技術を使用していた学校に対し、EU一般データ保護規則（GDPR）違反を理由に初めて罰金を科した。DPAは、学校が影響評価を完了することなく生徒の生体認証データを違法に取得していたことを認定した。さらに、学校はDPAにこの試験的制度について報告していなかった。罰金は20万スウェーデンクローナ（1万9000ユーロ/2万1000ドル）に科された。

アメリカ合衆国では、いくつかの州が生体認証データのプライバシーを保護するための法律を制定している。例としては、イリノイ州生体認証情報プライバシー法（BIPA）やカリフォルニア州消費者プライバシー法（CCPA）などがある。[ 212 ] 2020年3月、カリフォルニア州の住民はClearview AIに対して集団訴訟を起こし、同社がオンラインで生体認証データを違法に収集し、顔認識技術を利用して生体認証データのデータベースを構築し、企業や警察に販売したと主張した。当時、Clearview AIは既にBIPAに基づく2件の訴訟に直面しており[ 213 ] 、個人情報保護および電子文書法（PIPEDA）の遵守についてカナダのプライバシーコミッショナーによる調査も受けていた。 [ 214 ]

顔認識技術の使用禁止

アメリカ合衆国

2019年5月、カリフォルニア州サンフランシスコ市は、米国の大都市として初めて、警察やその他地方自治体機関による顔認識ソフトウェアの使用を禁止した。[ 215 ]サンフランシスコ市のアーロン・ペスキン監督官は、監視技術の購入にサンフランシスコ市監督委員会の承認を義務付ける規制を導入した。[ 216 ]この規制では、新しい監視技術の用途を公表することも義務付けられている。[ 216 ] 2019年6月、マサチューセッツ州サマービル市は、東海岸で初めて、警察の捜査や自治体の監視における政府機関向けの顔監視ソフトウェアの使用を禁止した。 [ 217 ] [ 218 ] 2019年7月、カリフォルニア州オークランド市は、市の各部署による顔認識技術の使用を禁止した。[ 219 ]

アメリカ自由人権協会（ACLU）は、全米各地で監視技術の透明性を求めるキャンペーンを展開しており[ 218 ]、サンフランシスコ市とサマービル市における顔認識ソフトウェアの禁止を支持しています。ACLUは、この技術を用いた秘密主義と監視に対抗する活動を行っています[ 220 ] 。

ジョージ・フロイド抗議運動の間、マサチューセッツ州ボストンでは市政府による顔認識技術の使用が禁止されました。[ 221 ] 2020年6月10日現在、市による使用は以下の地域で禁止されています。[ 11 ]

インディアナ州ウェストラファイエット市議会は、顔認識監視技術を禁止する条例を可決した。[ 224 ]

2020年10月27日、22の人権団体がマイアミ大学に対し、顔認識技術の使用禁止を求めた。これは、大学が学生デモ参加者の身元確認にこのソフトウェアを使用していると学生たちが非難したことを受けてのことだ。しかし、大学側はこれらの主張を否定した。[ 225 ]

マサチューセッツ州の警察改革法は2021年7月に施行される。州議会で可決された禁止令はチャーリー・ベイカー知事によって拒否された。[ 226 ]代わりに、この法律は裁判所の令状を義務付け、捜索を行うことができる人員を制限し、技術の使用方法に関するデータを記録し、将来の規制に関する勧告を行う委員会を設置する。[ 227 ]

2024年の報告書によると、サンフランシスコ警察を含むいくつかの警察署が、それぞれの都市で制定された顔認識技術の禁止を回避していたことが明らかになった。[ 228 ]

欧州連合

2020年1月、欧州連合は公共の場での顔認識の一時停止を提案したが、すぐに撤回された。[ 229 ] [ 230 ]

欧州の「Reclaim Your Face」連合は2020年10月に発足した。同連合は顔認識の禁止を求め、 2021年2月に欧州市民イニシアチブを立ち上げた。60以上の団体が欧州委員会に対し、生体認証監視技術の使用を厳しく規制するよう求めている。[ 231 ]

感情認識

18世紀と19世紀には、顔の表情がその人の道徳的価値や本当の内面を表すという考えが広まり、西洋世界では人相学が尊敬される科学でした。19世紀初頭以降、写真が顔の特徴や表情の人相学的分析に使用され、精神異常や痴呆症が検出されました。[ 232 ] 1960年代と1970年代には、人間の感情とその表現の研究が心理学者によって再発明され、出来事に対する感情的反応の正常な範囲を定義しようとしました。[ 233 ] 1970年代以降、自動感情認識の研究は、人が他の人間に感情を伝える2つの最も重要な方法と見なされている顔の表情と話し方に焦点を当ててきました。 1970年代には、感情の身体的表現の顔動作符号化システム（FACS）分類が確立されました。[ 234 ]開発者のポール・エクマンは、人間に普遍的な6つの感情があり、これらは顔の表情でコード化できると主張している。[ 235 ]過去数十年にわたり、感情に特化した自動表情認識の研究は、人間の顔の正面画像に焦点を当ててきた。[ 236 ]顔面サーモグラフィーは、感情認識の有望なツールと考えられる。[ 237 ] [ 238 ]

2016年には、顔の特徴感情認識アルゴリズムが、高解像度CCTV、高解像度3D顔認識、虹彩認識と並んで、大学の研究室から生まれた新しい技術の一つでした。2016年、Facebookはカーネギーメロン大学からスピンオフした顔の特徴感情認識企業FacioMetricsを買収しました。同じ年に、 Apple社は顔の特徴感情認識の新興企業Emotientを買収しました。[ 239 ] 2016年末までに、顔認識システムの商用ベンダーは、顔の特徴に感情認識アルゴリズムを統合して展開することを申し出ました。MITのメディアラボのスピンオフであるAffectiva [ 240 ]は、2019年末までに、運転中の人間の感情を認識できる顔の表情感情検出製品を提供しました。[ 239 ]

顔認識防止システム

顔認識対策技術の開発は、プライバシー研究者とビッグデータ企業の間の事実上の軍拡競争である。ビッグデータ企業は、より高度な顔認識モデルを作成するために、畳み込みAI技術をますます活用している。顔認識をブロックするソリューションは、新しいソフトウェアや異なるタイプの顔認識モデルでは機能しない可能性がある。顔認識ブロックのよく引用される例として、CVDazzleのメイクアップとヘアカットのシステムが挙げられるが、開発者はウェブサイトで、このシステムは特定の顔認識アルゴリズムに対抗するために設計されたため、かなり前から時代遅れであり、機能しない可能性があると述べている。[ 241 ]もう1つの例として、特にCOVID-19パンデミック以降、マスクやサングラスを着用している人を識別できる顔認識の出現が挙げられる。[ 242 ]

ビッグデータ企業の資金はプライバシー研究者よりもはるかに潤沢であるため、顔認識対策システムが追いつくのは非常に困難です。また、過去に撮影され保存された画像に使用されたマスクやソフトウェアによる難読化などの難読化技術が、将来の技術による顔認識分析からユーザーを保護できるという保証もありません。[ 243 ]

2013年1月、国立情報学研究所の日本の研究者らは、赤外線に近い光を使って、その下の顔を赤外線を使う顔認識ソフトウェアで認識できないようにする「プライバシーバイザー」メガネを開発した。[ 244 ]最新版はチタン製のフレーム、光反射材、そして角度とパターンを利用して光源を吸収したり反射したりすることで顔認識技術を妨害するマスクを使用している。[ 245 ] [ 246 ] [ 247 ] [ 248 ]しかし、これらの方法は赤外線による顔認識を防ぐためのものであり、単純な画像のAI顔認識には効果がない。一部のプロジェクトでは、敵対的機械学習を用いて、既存の顔認識ソフトウェアを混乱させる新しい印刷パターンを作り出している。[ 249 ]

顔認識システムから身を守るのに効果的かもしれない方法の一つは、コンピュータービジョンダズルと呼ばれる、顔検出アルゴリズムによる検出を妨げる特定のヘアカットやメイクアップパターンである。[ 241 ]ちなみに、ジャガロに人気のメイクアップスタイルも顔認識から身を守る可能性がある。[ 250 ]

伝染性ウイルスから身を守るために着用されるマスクは、顔認識システムの精度を低下させる可能性がある。2020年のNISTの研究では、一般的な1対1の照合システムをテストし、マスクを着用した人に対して5〜50％の失敗率がわかった。The Vergeは、この研究には含まれていない大規模監視システムの精度は、1対1の照合システムの精度よりもさらに低いだろうと推測した。[ 251 ] Apple Payの顔認識は、濃い化粧、濃いひげ、サングラスなど、多くの障壁を乗り越えて機能するが、マスクでは失敗する。[ 252 ]しかし、マスクをした顔の顔認識はますます信頼性が高くなっている。

もう一つの解決策は、人間のユーザーには普通に見えるものの、顔認識システムを欺く可能性のある画像に難読化を施すことです。これは、画像をオンラインやソーシャルメディアに投稿する際に使用できます。しかし、一度インターネット上に公開された画像を削除することは困難であるため、将来の技術進歩によってこれらの画像の難読化が破られ、ユーザーの顔が特定される可能性があります。2020年に開発されたこの技術の2つの例としては、ANUの「Camera Adversaria」カメラアプリと、シカゴ大学のFawkes画像クローキングソフトウェアアルゴリズムがあります。これは、既に撮影された写真に難読化を適用します。[ 243 ]しかし、2021年までにFawkes難読化アルゴリズムはMicrosoft Azureによって既に標的とされており、Microsoft AzureはFawkesの有効性を低減するためにアルゴリズムを変更しました。[ 253 ]

参照

リスト

参考文献

  1. ^ 「IoTを活用した顔認識ベースのスマート出勤システム」（PDF） .国際工学技術研究ジャーナル. 9 (3): 5. 2022年3月.
  2. ^ Thorat, SB; Nayak, SK; Jyoti P Dandale (2010). 「顔認識技術：インドにおける視点からの分析」arXiv : 1005.4263 [ cs.MA ].
  3. ^ Chen, SK; Chang, YH (2014). 2014 International Conference on Artificial Intelligence and Software Engineering (AISE2014) . DEStech Publications, Inc. p. 21. ISBN 978-1-60595-150-8。
  4. ^ Bramer, Max (2006).人工知能の理論と実践：IFIP第19回世界コンピュータ会議、TC 12：IFIP AI 2006ストリーム、2006年8月21～24日、チリ、サンティアゴ。ベルリン：Springer Science+Business Media。p. 395。ISBN 978-0-387-34654-0。
  5. ^ a b c d e SITNFlash (2020年10月24日). 「顔認識技術における人種差別」 . Science in the News . 2023年7月1日閲覧。
  6. ^ 「顔認識技術：連邦法執行機関は職員が使用するシステムについてより適切な認識を持つべき」 www.gao.gov 。2021年9月5日閲覧。
  7. ^ a b Security、Help Net (2020年8月27日). 「顔認識技術におけるジェンダーバイアスへの対応」 . Help Net Security . 2023年7月1日閲覧。
  8. ^ Team、Lumen Database（2021年5月5日）。「顔認識技術における性差別」バークマン・クライン・センター・コレクション。 2023年7月1日閲覧。
  9. ^顔認識技術におけるバイアスの理解
  10. ^ Wiggers, Kyle (2022年3月5日). 「ディープフェイクは顔認識を欺く可能性があると研究が警告」 . VentureBeat . 2022年6月4日閲覧。
  11. ^ a b「IBM、顔認識市場から撤退」。GCN 。 2020年6月10日。 2021年11月30日時点のオリジナルよりアーカイブ。 2021年10月7日閲覧。
  12. ^レイチェル・メッツ（2021年11月2日）「Facebookが顔認識ソフトウェアを終了」 CNN 2021年11月5日閲覧。
  13. ^ヒル・カシミール、マック・ライアン（2021年11月2日）。 「Facebook、社会的な懸念を理由に顔認識システムの停止を計画」ニューヨーク・タイムズ。ISSN 0362-4331 。 2021年11月5日閲覧。 
  14. ^ 「IBMは顔認識技術の提供、開発、研究を今後行いません」 2020年6月9日。
  15. ^ a bニルソン、ニルス・J.（2009年10月30日）『人工知能の探求』ケンブリッジ大学出版局、ISBN 978-1-139-64282-8。
  16. ^ de Leeuw, Karl; Bergstra, Jan (2007). 『情報セキュリティの歴史：包括的ハンドブック』 エルゼビア. p. 266. ISBN 978-0-444-51608-4。
  17. ^ゲイツ、ケリー（2011年）『生体認証の未来：顔認識技術と監視文化』NYU出版、  48～ 49頁。ISBN 978-0-8147-3209-0。
  18. ^ゲイツ、ケリー（2011年）『生体認証の未来：顔認識技術と監視文化』NYU出版、  pp.49-50、ISBN 978-0-8147-3209-0。
  19. ^ゲイツ、ケリー（2011年）『生体認証の未来：顔認識技術と監視文化』NYU出版、52ページ、ISBN 978-0-8147-3209-0。
  20. ^ゲイツ、ケリー（2011年）『生体認証の未来：顔認識技術と監視文化』NYU出版、53ページ、ISBN 978-0-8147-3209-0。
  21. ^ゲイツ、ケリー（2011年）『生体認証の未来：顔認識技術と監視文化』NYU出版、54ページ、ISBN 978-0-8147-3209-0。
  22. ^ a bマレー・K・クンドゥ、スシュミタ・ミトラ、デバシス・マズムダー、サンカール・K・パル編 (2012).知覚と機械知能：第一回インド・日本会議、PerMIn 2012、インド・コルカタ、2011年1月12～13日、議事録. シュプリンガー・サイエンス＆ビジネス・メディア. p. 29. ISBN 978-3-642-27386-5。
  23. ^ウェクスラー、ハリー (2009). マレー・K・クンドゥ、スシュミタ・ミトラ (編).信頼性の高い顔認識手法：システム設計、実装、評価. シュプリンガー・サイエンス＆ビジネス・メディア. pp.  11– 12. ISBN 978-0-387-38464-1。
  24. ^ Jun Wang、Laiwan Chan、DeLiang Wang編 (2012). Neural Information Processing: 13th International Conference, ICONIP 2006, Hong Kong, China, October 3–6, 2006, Proceedings, Part II . Springer Science & Business Media. p. 198. ISBN 978-3-540-46482-2。
  25. ^ウェクスラー、ハリー (2009).信頼性の高い顔認識手法：システム設計、実装、評価. シュプリンガー・サイエンス＆ビジネス・メディア. p. 12. ISBN 978-0-387-38464-1。
  26. ^ウェクスラー、ハリー (2009). マレー・K・クンドゥ、スシュミタ・ミトラ (編).信頼性の高い顔認識手法：システム設計、実装、評価. シュプリンガー・サイエンス＆ビジネス・メディア. p. 12. ISBN 978-0-387-38464-1。
  27. ^ 「Mugspotは群衆の中の顔を見つけることができる - 顔認識ソフトウェアは路上での作業に備える」 ScienceDaily 1997年11月12日2007年11月6日閲覧。
  28. ^マレー・K・クンドゥ、スシュミタ・ミトラ、デバシス・マズムダー、サンカール・K・パル編 (2012).知覚と機械知能：第一回インド・日本会議、PerMIn 2012、インド・コルカタ、2011年1月12～13日、議事録. シュプリンガー・サイエンス＆ビジネス・メディア. p. 29. ISBN 978-3-642-27386-5。
  29. ^ Li, Stan Z.; Jain, Anil K. (2005).顔認識ハンドブック. Springer Science & Business Media. pp.  14– 15. ISBN 978-0-387-40595-7。
  30. ^クマール・ダッタ、アシット、ダッタ、マドゥラ、クマール・バナージー、プラディプタ (2015).顔検出と認識：理論と実践. CRC. p. 123. ISBN 978-1-4822-2657-7。
  31. ^ Severi, Misty (2022年4月15日). 「ウクライナ、死亡したロシア兵の身元確認に顔認識ソフトウェアを使用」 .
  32. ^ 「顔認識技術は価値あるツールだ」ロサンゼルス・デイリー・ニュース、2022年5月15日。
  33. ^ Italiano, Laura (2022年4月15日). 「ウクライナ、顔認識技術を使ってロシア兵の遺体を特定し、遺体の写真を母親に送っていると報道」 Business Insider .
  34. ^ Li, Stan Z.; Jain, Anil K. (2005).顔認識ハンドブック. Springer Science & Business Media. p. 1. ISBN 978-0-387-40595-7。
  35. ^ Li, Stan Z.; Jain, Anil K. (2005).顔認識ハンドブック. Springer Science & Business Media. p. 2. ISBN 978-0-387-40595-7。
  36. ^ 「空港の顔認識による乗客フロー管理」hrsid.com。
  37. ^ a b c Bonsor, K. (2001年9月4日). 「顔認識システムの仕組み」 . 2008年6月2日閲覧。
  38. ^スミス、ケリー「顔認識」（PDF）2008年6月4日閲覧。
  39. ^ R. BrunelliとT. Poggio、「顔認識：特徴とテンプレート」、IEEE Trans. on PAMI、1993年、(15)10:1042–1052
  40. ^ R. Brunelli,コンピュータビジョンにおけるテンプレートマッチング技術：理論と実践, Wiley, ISBN 978-0-470-51706-2、2009年（[1] TMブック）
  41. ^張, デイビッド; ジェイン, アニル (2006). 「バイオメトリクスの進歩：国際会議 ICB 2006」香港、中国、2006年1月5～7日、議事録. ベルリン: シュプリンガー・サイエンス＆ビジネス・メディア. p. 183. ISBN 978-3-540-31111-9。
  42. ^「顔認識アプリケーションシステムの設計と実装に関する研究」。国際バイオサイエンス・バイオテクノロジージャーナル。
  43. ^ H. Ugail,顔画像全体と部分画像を用いた深層顔認識, Elesevier, ISBN 978-0-12-822109-9、2022年（[2]コンピュータビジョンにおける高度な手法とディープラーニング）
  44. ^ハリー・ウェクスラー (2009).信頼性の高い顔認識手法：システム設計、実装、評価. シュプリンガー・サイエンス＆ビジネス・メディア. p. 196. ISBN 978-0-387-38464-1。
  45. ^ a b c dウィリアムズ、マーク。「より優れた顔認識ソフトウェア」。テクノロジーレビュー。 2011年6月8日時点のオリジナルよりアーカイブ。 2008年6月2日閲覧。
  46. ^マーク・クロフォード、「顔認識進捗報告」 SPIEニュースルーム。 2011年10月6日閲覧。
  47. ^ Kimmel, Ron. 「3次元顔認識」(PDF) . 2005年1月1日閲覧。
  48. ^ Duhn, S. von; Ko, MJ; Yin, L.; Hung, T.; Wei, X. (2007年9月1日). 「Three-View Surveillance Video Based Face Modeling for Recogniton [sic]」. 2007 Biometrics Symposium . pp.  1– 6. doi : 10.1109/BCC.2007.4430529 . ISBN 978-1-4244-1548-9. S2CID  25633949 .
  49. ^ a b Socolinsky, Diego A.; Selinger, Andrea (2004年1月1日). 「運用シナリオにおけるサーマル顔認識」 . CVPR'04. IEEE Computer Society. pp.  1012– 1019 – ACM Digital Library経由.
  50. ^ a b「陸軍、低照度環境でも機能する顔認識技術を開発」 AZoRobotics 2018年4月18日. 2018年8月17日閲覧。
  51. ^ Thirimachos Bourlai (2016).イメージングスペクトル全体にわたる顔認識. Springer. p. 142. ISBN 978-3-319-28501-6。
  52. ^ Thirimachos Bourlai (2016).イメージングスペクトル全体にわたる顔認識. Springer. p. 140. ISBN 978-3-319-28501-6。
  53. ^ 「陸軍、暗闇でも機能する顔認識技術を開発」陸軍研究所。 2018年4月16日。 2018年4月22日時点のオリジナルよりアーカイブ。2018年8月17日閲覧。
  54. ^ a bリガン, ベンジャミン; ショート, ナサニエル; フー, シュオウェン (2018年3月).複数領域を用いた顔画像の熱画像から可視画像への合成. 2018 IEEE Winter Conference on Applications of Computer Vision (WACV). pp.  30– 38. arXiv : 1803.07599 . Bibcode : 2018arXiv180307599R . doi : 10.1109/WACV.2018.00010 .
  55. ^コール、サリー（2018年6月）「米陸軍のAI顔認識技術は暗闇でも機能する」『Military Embedded Systems』8ページ。
  56. ^ Shontell, Alyson (2015年9月15日). 「Snapchat、ビデオチャット中に顔をPhotoshopで加工できる創業2年のスタートアップLookseryを買収」 . Business Insider Singapore . 2018年4月9日閲覧。
  57. ^ Kumar Mandal, Jyotsna; Bhattacharya, Debika (2019).モデリングとグラフィックスにおける新興技術：IEM Graph 2018 論文集. Springer. p. 672. ISBN 978-981-13-7403-6。
  58. ^ Bryson, Kevin (2023年5月20日). 「顔認識防止ツールの評価」 physicalsciences.uchicago.edu . 2024年1月27日閲覧。
  59. ^ Simonite, Tom. 「Facebook、ユーザーと同じくらい正確に顔認証を行うソフトウェアを開発」 MITテクノロジーレビュー. 2018年4月9日閲覧。
  60. ^ 「FacebookのDeepFaceは本格的な顔認識技術を披露」 。 2018年4月9日閲覧。
  61. ^ 「なぜFacebookは顔認識技術でFBIに勝っているのか」 The Verge 2018年4月9日閲覧。
  62. ^ 「TikTokの『For You』アルゴリズムの実際の仕組み」 Wired . ISSN 1059-1028 . 2021年4月17日閲覧。 
  63. ^ “How TikTok recommends videos #ForYou” . TikTok. 2020年6月18日.オリジナルより2020年6月18日時点のアーカイブ。 2021年4月22日閲覧。
  64. ^ 「TikTok、顔認識問題で法的賠償金支払いに合意」 BBCニュース。2021年2月26日。 2021年2月26日時点のオリジナルよりアーカイブ。2021年4月22日閲覧。
  65. ^ 「未来の銀行支店を垣間見る：ビデオウォール、ブースサイズの支店、24時間年中無休のアクセス」 USAトゥデイ。 2018年8月13日閲覧。
  66. ^ヒーター、ブライアン. 「スマートフォンのセキュリティ確保にフェイスアンロックに頼ってはいけない」 . TechCrunch . 2017年11月2日閲覧。
  67. ^ 「Galaxy S8の顔認証は、単純な写真ですでに破られている」 Ars Technica . 2017年11月2日閲覧。
  68. ^ 「Xbox Kinectの顔認識の仕組み」Wired . 2017年11月2日閲覧。
  69. ^ 「Windows 10、顔認証によるログインとパスワードの廃止を「Hello」と宣言」 Ars Technica、2015年3月17日。 2015年3月17日閲覧。
  70. ^久保田洋子 (2017年9月27日). 「Apple iPhone X Production Woe Sparked by Juliet and Her Romeo」 .ウォール・ストリート・ジャーナル. 2017年9月28日時点のオリジナルよりアーカイブ。 2017年9月27日閲覧。
  71. ^久保田洋子（2017年9月27日）「Apple iPhone Xの生産に暗雲、ジュリエットとロミオが火付け役」ウォール・ストリート・ジャーナルISSN 0099-9660 2018年4月10日閲覧。 
  72. ^ a b「Appleの新しい顔認識システムに関する5つの最大の疑問」 The Verge 。 2018年4月10日閲覧。
  73. ^ 「AppleのFace ID機能はほとんどのサングラスに対応、盗難防止のためすぐに無効化可能」 。 2018年4月10日閲覧。
  74. ^ Heisler, Yoni (2017年11月3日). 「赤外線動画でiPhone Xの新機能Face IDの動作を確認」 . BGR . 2018年4月10日閲覧。
  75. ^ Okeke, Nnamdi (2022年10月13日). 「顔認識：仕組み、応用、ビジネスアイデアなど」 . TargetTrend . 2022年10月21日閲覧。
  76. ^リビー、クリストファー、エーレンフェルド、ジェシー (2021). 「2021年の顔認識技術：マスク、偏見、そしてヘルスケアの未来」 . Journal of Medical Systems . 45 (4): 39. doi : 10.1007/s10916-021-01723-w . ISSN 0148-5598 . PMC 7891114. PMID 33604732 .   
  77. ^ケサリ・ガネス「AIが顔検出技術を使って子供の希少疾患を発見する方法」フォーブス誌。2022年10月21日閲覧。
  78. ^ 「モディ政権、Aadhaarベースの顔認証システムによる『タッチレス』ワクチン接種プロセスを計画」 ThePrint 、 2021年4月6日。 2022年2月12日閲覧。
  79. ^ 「プライバシーへの懸念にもかかわらず、Aadhaarにリンクされた顔認識技術がCOVID-19ワクチンに利用される」 Inc42 、 2021年4月7日。 2022年2月12日閲覧。
  80. ^ 「共同声明：ワクチン接種のためのAadhaarベースの顔認証に反対！」インターネット自由財団。2021年4月14日。 2022年2月12日閲覧。
  81. ^ 「Panoptic Tracker、メガラヤ州政府財務（年金部門）局」Panoptic Project . 2022年2月12日閲覧。
  82. ^ 「メガーラヤ州、物議を醸すアプリについて明言：「顔認識技術には規制は必要ない」」「 . Indian Express . 2021年11月18日. 2022年2月12日閲覧。
  83. ^ 「Smartgates Face editing for the mins of the can we have」オーストラリア国境警備隊。 2019年3月11日閲覧。
  84. ^ 「私たちの歴史」ニュージーランド税関。 2019年3月11日閲覧。
  85. ^ 「顔認識技術が今春、カナダの空港に導入」 CBCニュース。 2017年3月3日閲覧。
  86. ^ a b c「フェイスオフ：英国警察における顔認識技術の無法な拡大」（PDF）。ビッグ・ブラザー・ウォッチ。
  87. ^アンソニー・セバスチャン（2017年6月6日）「英国警察、自動顔認識技術で男性を逮捕」Ars Technica
  88. ^ a b Rees, Jenny (2019年9月4日). 「警察による顔認識技術の使用は合法と判断」 . 2019年11月8日閲覧。
  89. ^バージェス、マット（2020年1月24日）「ロンドン警視庁、ロンドン全域で顔認証システムのライブ運用を開始」 Wired UK . ISSN 1357-0978 . 2020年1月24日閲覧。 
  90. ^ Danica Kirka (2020年8月11日). 「英国の裁判所、顔認識は人権侵害と判断」 TechPlore . 2020年10月4日閲覧。
  91. ^シルベスター、レイチェル（2024年10月5日）。「『人間にはできない』：顔認識技術が警察のあり方を変える」。タイムズ紙。 2024年10月5日閲覧。
  92. ^ 「顔認識データベースからスキャンされた成人の顔の数」フォーチュン誌、2016年10月18日。
  93. ^ a bロビン・クレイマー、ケイ・リッチー（2016年12月14日）「顔認識技術の問題点（現実世界において）」phys.org。
  94. ^ 「リアルタイム顔認識技術は利用可能だが、米国警察は導入するのか？」 NPR.org.NPR . 2018年5月10日。
  95. ^ 「警察の顔認識データベースにはアメリカ人の約半数が登録されている」 NPR.org.NPR . 2016年10月23日。
  96. ^ケビン・レクター、アリソン・クネゼヴィッチ（2016年10月17日）「メリーランド州の顔認識ソフトウェアの使用に研究者や市民的自由擁護団体が疑問を呈する」ボルチモア・サン紙。
  97. ^ 「次世代識別」FBI . 2016年4月5日閲覧。
  98. ^ a b「ICEは顔認識技術を使って州の運転免許証記録を精査していると研究者が言う」 NPR.org 2019年7月8日. 2022年12月9日閲覧。
  99. ^ 「空港での顔認識：知っておくべきことすべて」 USA Today、2019年8月16日。
  100. ^ 「TSAが大規模空港に顔認証システムを導入。オプトアウトの方法はこちら」ワシントン・ポスト、2022年12月2日。ISSN 0190-8286 。 2022年12月9日閲覧。 
  101. ^ Belanger, Ashley (2025年5月19日). 「ニューオーリンズ、米国でこれまでで最も不完全な顔認識技術の活用を非難」 Ars Technica . 2025年5月29日閲覧。
  102. ^沈、新梅 (2018 年 10 月 4 日)。」「中国の大規模ビデオ監視ネットワーク『スカイネット』」サウスチャイナ・モーニング・ポスト。 2020年12月13日閲覧。
  103. ^ Chan, Tara Francis (2018年3月27日). 「中国の16の地域でSkynetが利用されている」 . Business Insider . 2020年12月13日閲覧。
  104. ^ 「エールから刑務所へ：中国のビールフェスティバルで顔認識技術が犯罪者を捕まえる」ガーディアン紙、2017年9月1日。 2018年3月8日閲覧。
  105. ^ 「警察は顔認識技術を使用して、中国青島市のビール祭りで指名手配犯を検出」opengovasia.com . OpenGovAsia. 2017年11月16日時点のオリジナルよりアーカイブ。 2018年3月8日閲覧。
  106. ^ 「中国警察、スマートグラスを使って容疑者を特定」 TechCrunch 、 2018年2月8日。 2020年12月3日閲覧。
  107. ^ 「北京警察、車の乗客とナンバープレートの識別に顔認識メガネを使用」 Business Insider 2018年3月12日2020年12月3日閲覧。
  108. ^ 「中国の人工知能への巨額投資には、思わぬマイナス面がある」 Science AAAS 2018年2月7日2018年2月23日閲覧。
  109. ^ 「中国、全面監視に向けて顔認識技術に賭ける」ワシントン・ポスト、2018年。 2018年2月23日閲覧。
  110. ^ Liao, Rita (2019年5月8日). 「アリババ支援の顔認識スタートアップMegviiが7億5000万ドルを調達」 TechCrunch . 2019年8月28日閲覧。
  111. ^ Dai, Sarah (2019年6月5日). 「新疆ウイグル自治区の監視に使われているアプリはAIユニコーンMegviiによるものではない、と人権団体が主張」サウスチャイナ・モーニング・ポスト. 2019年8月28日閲覧。
  112. ^ Cheng Leng、Yingzhi Yang、Ryan Woo（2020年2月20日）「独占記事：数百社の中国企業、コロナウイルス対策に数十億ドル規模の融資を模索」ロイター通信。 2020年10月5日閲覧。
  113. ^ 「中国における顔スキャンに対する訴訟は大きな影響を及ぼす可能性がある」エコノミスト誌、2019年11月9日。
  114. ^ Xiaoshan, Huang; Wen, Cheng (2020年8月14日). 「テンセントが海外ユーザーを監視していることを示す新たな証拠」 . Radio Free Asia . 2020年8月16日時点のオリジナルよりアーカイブ。 2020年8月15日閲覧。
  115. ^ザック・ドフマン（2019年8月26日）「香港、中国の容赦ない顔認識マシンの両面を暴露」フォーブス誌。2020年12月3日閲覧。
  116. ^ 「中国のインターネットユーザー8億人に顔認識が強制」ラジオ・フランス・アンテルナショナル2019年10月15日2024年4月21日閲覧。
  117. ^ダスティン・ティム（2023年4月10日）「AIは中国のキリスト教徒を迫害しようとしている」グローバル・クリスチャン・リリーフ。 2024年2月28日閲覧。
  118. ^ 「パンデミック、迫害、そして反発 - 監視国家」法輪功レポート。2024年2月27日閲覧。
  119. ^ 「国別政策・情報ノート：法輪功、中国、2023年11月（アクセス可能）」英国政府。2024年4月4日。 2024年4月21日閲覧。
  120. ^ローア、スティーブ（2018年2月9日）「白人男性なら顔認識は正確」ニューヨーク・タイムズISSN 0362-4331 2022年2月14日閲覧。 
  121. ^ 「NCRBの国家自動顔認識システム」panoptic.in . 2022年2月14日閲覧。
  122. ^ a b「ウォッチメンシリーズ第4部：国家自動顔認識システム」インターネット・フリーダム財団2020年10月7日. 2022年2月14日閲覧。
  123. ^ 「2018年9月26日、KSPuttaswamy判事（退職）対インド政府」。Indian Kanoon。
  124. ^ 「新しい種類のフェイスマスクが市場に出回っているかもしれない」インターネット・フリーダム財団、2019年7月18日。 2022年2月14日閲覧。
  125. ^ Barik、Soumyarendra (2019 年 10 月 22 日)。」「指紋は大した問題ではない」：ハイデラバード警察が「容疑者」の生体認証を収集. MediaNama . 2022年2月14日閲覧。
  126. ^ a b「自動顔認識技術（モラトリアムおよびレビュー）法案[HL] - 議会法案 - 英国議会」bills.parliament.uk . 2021年9月10日閲覧。
  127. ^ 「UP警察、犯罪者逮捕に向けAI搭載の顔認識アプリ『Trinetra』を発表」フィナンシャル・エクスプレス2018年12月27日 . 2022年2月14日閲覧。
  128. ^ Das, Kalyan (2018年8月27日). 「ウッタラーカンド州警察、犯罪者逮捕を支援する顔認識ソフトウェアを導入」 . Hindustan Times . 2022年2月14日閲覧。
  129. ^ 「犯罪・犯罪追跡ネットワーク・システム（CCTNS）」国立犯罪記録局。 2022年2月18日時点のオリジナルよりアーカイブ。 2022年2月18日閲覧。
  130. ^ Chowdhury, Sagnik (2015年11月20日). 「警察署に『対話』を促すCCTNSプロジェクト：現状と犯罪撲滅への貢献」 . The Indian Express . 2022年2月18日閲覧。
  131. ^ Sudhi Ranjan Sen (2019年7月8日). 「内務省、警察向け自動顔認識システムの導入に着手」 . Hindustan Times . 2022年2月18日閲覧。
  132. ^ Jain, Anushka (2020年7月15日). 「国家自動顔認識システムのRFP改訂版に関するIFFのNCRBへの法的通知」 . Internet Freedom Foundation . 2022年2月18日閲覧。
  133. ^ a b c d e f gインド議会。ラージヤ・サバー。警察に関する第237回報告書 - 訓練、近代化、改革(PDF)。インド内務省関連議会常任委員会。2022年。34ページ。 2022年8月6日時点のオリジナル(PDF)からのアーカイブ。
  134. ^ U. Sudhakar Reddy (2021年11月10日). 「テランガナ州、ハイデラバードに83万台のカメラ設置、監視都市に変貌：アムネスティ」 . The Times of India . 2022年2月18日閲覧。
  135. ^ 「インド政府の顔認識へのアプローチには欠陥があり、誤った前提に基づいている」 ThePrint 、 2019年11月27日。 2022年2月15日閲覧。
  136. ^ 「デリー警察、コルカタ警察、テランガーナ州技術サービスによる情報公開権の最新情報」 panoptic.in 。2022年2月15日閲覧。
  137. ^ 「2005年情報公開法第8条(1)(d)」インディアン・カヌーン。
  138. ^ 「Project Panoptic: デリー警察、コルカタ警察、テランガナ州技術サービスからのRTI最新情報」インターネット・フリーダム財団。2020年12月1日。 2022年2月15日閲覧。
  139. ^ Chunduru, Aditya (2020年12月2日). 「RTI: コルカタ、デリー警察、顔認識システムに関する情報提供を拒否」 . MediaNama . 2022年2月15日閲覧。
  140. ^ 「メキシコ政府、次期大統領選挙で重複した有権者登録を排除するためFaceIt顔認識技術を採用」 Business Wire、2000年5月11日。2016年3月5日時点のオリジナルよりアーカイブ。 2008年6月2日閲覧。
  141. ^ a b cセリンジャー、エヴァン、ポロネツキー、オメル・テネ (2018). 『ケンブリッジ消費者プライバシーハンドブック』 ケンブリッジ大学出版局. p. 112. ISBN 978-1-316-85927-8。
  142. ^ Vogel, Ben. 「パナマ、より多くの顔に名前を刻む」 IHS Jane's Airport Review. 2014年10月12日時点のオリジナルよりアーカイブ。 2014年10月7日閲覧。
  143. ^ "「リオオリンピックで『メイド・イン・チャイナ』製品が輝く」。中華人民共和国国務院。2016年8月15日。 2020年11月14日閲覧。
  144. ^ Kayser-Bril, Nicolas (2019年12月11日). 「EUでは少なくとも11の警察が顔認識技術を使用している、とAlgorithmWatchが明らかに」AlgorithmWatch .
  145. ^ Pedriti, Corina (2021年1月28日). 「EUの資金が潤沢なギリシャ警察、夏前に顔認証システムを導入へ」 . AlgorithmWatch .
  146. ^コルッチーニ、リッカルド (2021年1月13日). 「Lo scontro Viminale-Garante della Privacy sul riconoscimento facciale intempo reale」。イルピメディア。
  147. ^ Techredacteur、Joost Schellevis (2016 年 12 月 16 日)。「Politie gaat verdachten opsporenmet gezichtsherkenning」。nos.nl (オランダ語) 。2019 年9 月 22 日に取得。
  148. ^ブーン、レックス (2018 年 8 月 25 日)。「226 個のカメラに出会った」。ヘット・パロール（オランダ語）。2019 年9 月 22 日に取得。
  149. ^ダンカン、ジェーン（2018年6月4日）「南アフリカにおけるCCTV監視のプライバシーへの脅威」 The Conversation .
  150. ^ Ross, Tim (2007). 「3VRがFox Business Newsで特集」 . Money for Breakfast (インタビュー). Fox Business .インタビュアー: さて、このようなものを購入してもいいのでしょうか？ これは…本当に購入者に制限があるのでしょうか？ Tim Ross: 現在、主に銀行、小売業者、政府機関が購入しており、様々なセキュリティチャネルを通じて販売されています。
  151. ^ 「顧客サービスの向上」。3VR 。 2012年8月14日時点のオリジナル記事よりアーカイブ。3VRのビデオインテリジェンスプラットフォーム（VIP）は、企業の顧客サービスに変革をもたらします。• 交通パターンの分析を非常に明確にすることで、人員配置の決定を最適化し、売上コンバージョン率を向上させ、顧客の待ち時間を短縮します。• 顧客の行動と実際の行動を一致させ、滞留時間と待ち行列の分析を使用して顧客の待ち時間を短縮します。• 3VRの顔監視分析を使用して、従業員による個別の顧客対応を促進し、競争力を高めます。• POSデータと顔認識を組み合わせることで、ロイヤルティプログラムを作成します。
  152. ^ a b c d e f g h Dastin, Jeffrey L. (2020年7月28日). 「特別レポート：Rite Aid、米国の数百店舗に顔認識システムを導入」 . US Legal News.ロイター. 2020年12月19日時点のオリジナルよりアーカイブ。
  153. ^ a bメイヒュー、スティーブン（2019年3月17日）「オーストラリアのカジノ、犯罪者や問題のあるギャンブラーを発見するため顔認識技術を導入｜バイオメトリック・アップデート」 www.biometricupdate.com 。2022年6月30日閲覧。
  154. ^ Scanlan, Rebekah (2022年6月29日). 「『ザ・グッドガイズ』、反発を受けて『不気味』なカメラ機能を廃止」News.com.au.
  155. ^ Greene, Lisa (2001年2月15日). 「顔スキャンで一致する容疑者はわずか」(SHTML) . St. Petersburg Times . 2014年11月30日時点のオリジナルよりアーカイブ。 2011年6月30日閲覧。警察はViisageソフトウェアを用いて、19人の顔写真を、過去に軽微なスリ、詐欺などの容疑で逮捕された人々の顔写真と照合した。彼らは試合当日の違法行為で起訴されたわけではない。これは茶番だ。
  156. ^ a b cマイク・クラウス（2002年1月14日）「顔認識は単なるハイテクのニセ薬か？」『Enter Stage Right』誌。ISSN 1488-1756。2002年1月24日時点のオリジナルよりアーカイブ。 2011年6月30日閲覧。 
  157. ^ 「Windows 10のフォトアプリはGoogleフォトのように画像検索がさらにスマートに」 The Verge 2017年11月2日閲覧。
  158. ^ Perez, Sarah. 「Google フォトが新しい共有機能、フォトブック、Google レンズを搭載してアップグレード」 TechCrunch . 2017年11月2日閲覧。
  159. ^ 「顔認識アプリケーション」 Animetrics. 2008年7月13日時点のオリジナルよりアーカイブ。2008年6月4日閲覧。
  160. ^ Giaritelli, Anna (2018年12月13日). 「テイラー・スウィフト、コンサート参加者に空港風の顔認識技術を使用」 washingtonexaminer.com . 2018年12月13日閲覧。
  161. ^ 「マンチェスター・シティ、サッカーの入場待ち行列をなくすため顔認識技術を活用」ザ・タイムズ紙。 2019年8月18日閲覧。
  162. ^ 「マンチェスター・シティ、ファンへの顔認識技術の使用に警告」ガーディアン紙2019年8月18日閲覧。
  163. ^ Olson, Parmy (2020年8月1日). 「顔認識の次の大きな役割：スポーツスタジアム」 .ウォール・ストリート・ジャーナル. ISSN 0099-9660 . 2020年8月3日閲覧。 
  164. ^ 「顔認識技術テスト」。ウォルト・ディズニー・ワールドパーク入場技術テスト。ディズニー。2021年4月22日時点のオリジナルよりアーカイブ。 2021年4月22日閲覧。
  165. ^「顔認識 - 知っておくべきことすべて | Vidispine」www.vidispine.com。
  166. ^ R. Kimmel and G. Sapiro (2003年4月30日). 「顔認識の数学」 . SIAM News. 2007年7月15日時点のオリジナルよりアーカイブ。2003年4月30日閲覧。
  167. ^ a b c「生体認証のトップ5：顔、指紋、虹彩、手のひら、音声」 Bayometric . 2017年1月23日. 2018年4月10日閲覧。
  168. ^ 「商用アプリケーションにおける顔認識技術のプライバシー原則」(PDF) . fpf.org .
  169. ^ Haghighat, Mohammad; Abdel-Mottaleb, Mohamed (2017). 「判別相関分析を用いた監視システムにおける低解像度顔認識」2017年 第12回IEEE国際自動顔・ジェスチャー認識会議 (FG 2017) . pp.  912– 917. doi : 10.1109/FG.2017.130 . ISBN 978-1-5090-4023-0. S2CID  36639614 .
  170. ^ 「Passport Canada – Photos」 . passportcanada.gc.ca. 2009年3月1日時点のオリジナルよりアーカイブ。
  171. ^ Albiol, A., Albiol, A., Oliver, J., Mossi, JM(2012).異なるカメラにおける人物の識別：深度カメラを用いた人物再識別. Computer Vision, IET. Vol 6(5), 378–387.
  172. ^ Buolamwini, Joy; Gebru, Timnit (2018). 「ジェンダー・シェード：商業的なジェンダー分類における交差的精度格差」機械学習研究論文集81 : 1–15 .
  173. ^ a b Kotwal, Ketan; Marcel, Sébastien (2025). 「顔認識における人口統計的公平性のレビュー」 IEEE Transactions on Biometrics, Behavior, and Identity Science : 1–1 . doi : 10.1109/TBIOM.2025.3601217 .
  174. ^マリック、スミット (2022). 「異人種効果が顔モーフィング攻撃に対する感受性に与える影響」arXiv : 2204.12591 [ cs.CV ].
  175. ^ Jeckeln, Gabriel (2023). 「異人種間の顔認証における人間と機械の比較：性能の上限における人種バイアス」arXiv : 2305.16443 [ cs.CV ].
  176. ^ Phillips, P. Jonathon; Jiang, Fang; Narvekar, Abhijit; Ayyad, Julianne; O'Toole, Alice J. (2011年2月2日). 「顔認識アルゴリズムにおける他者人種効果」 . ACM Trans. Appl. Percept . 8 (2): 14:1–14:11. doi : 10.1145/1870076.1870082 . ISSN 1544-3558 . 
  177. ^サングリゴリ、ソフィー；デ・ショーネン、スカニア (2004). 「生後3ヶ月の乳児による同人種および他人種の顔の認識」.児童心理学・精神医学ジャーナル. 45 (7): 1219– 1227. doi : 10.1111/j.1469-7610.2004.00319.x . PMID 15335342 . 
  178. ^ a b河野 芳 (2023).顔認識における人種的公平性に関するターゲットデータセット収集の評価(PDF) . 2023年AAAI/ACM AI・倫理・社会会議議事録. pp.  1– 11.
  179. ^ Kolla, Manasa (2023). 「訓練データにおける人種分布が顔認識バイアスに与える影響：より詳細な考察」2023 IEEE/CVF Winter Conference on Applications of Computer Vision Workshops (WACVW) . pp.  313– 322. arXiv : 2211.14498 . doi : 10.1109/WACVW58289.2023.00035 . ISBN 979-8-3503-2056-5。
  180. ^ラミス、シルビア (2024). 「知的障害者のための説明可能な表情認識」.第23回国際ヒューマンコンピュータインタラクション会議. pp.  1– 7. arXiv : 2405.11482 . doi : 10.1145/3612783.3612789 . ISBN 979-8-4007-0790-2。
  181. ^マンコフ、ジェニファー（2022年）「戦略的可視性の領域：生体認証における障害バイアス」arXiv：2208.04712 [ cs.CY ]。
  182. ^ミーク、ジェームズ（2002年6月13日）「ロボコップ」ロンドン：ガーディアン紙。
  183. ^ 「バーミンガム市中心部のCCTVにVisionicsのFaceItが導入」 Business Wire、2008年6月2日。
  184. ^リチャード・ウィリング（2003年9月2日）「空港の対テロシステム、テストで失敗：顔認識技術は『容疑者』を識別できず」「USA Today」。2007年10月1日時点のオリジナル（要約）からアーカイブ。2007年9月17日閲覧。
  185. ^マイヤー、ロビンソン (2015). 「顔認識について、私たちはどの程度心配すべきか？」アトランティック誌. 2018年3月2日閲覧。
  186. ^ White, David; Dunn, James D.; Schmid, Alexandra C.; Kemp, Richard I. (2015年10月14日). 「自動顔認識ソフトウェア利用者のエラー率」 . PLOS ONE . 10 (10) e0139827. Bibcode : 2015PLoSO..1039827W . doi : 10.1371/ journal.pone.0139827 . PMC 4605725. PMID 26465631 .  
  187. ^ 「EFF、顔認識記録へのアクセスを求めてFBIを提訴」電子フロンティア財団、2013年6月26日。
  188. ^ 「顔認識に関するQ&A」アメリカ自由人権協会。2015年3月24日時点のオリジナルよりアーカイブ。 2014年7月23日閲覧。
  189. ^ a b Harley Geiger (2011年12月6日). 「顔認識とプライバシー」 . Center for Democracy & Technology . 2012年1月10日閲覧。
  190. ^ a b c Cackley, Alicia Puente (2015年7月). 「顔認識技術：商用利用、プライバシー問題、および適用される連邦法」(PDF) .
  191. ^トーマス・ブリュースター（2020年9月22日）「ロシアの顔認識スタートアップ企業、政府系ファンドから1500万ドルの支援を受け、「攻撃検知」技術を世界展開へ」 Forbes 2020年10月4日閲覧。
  192. ^ 「Singel-Minded: Anatomy of a Backlash, or How Facebook Got an 'F' for Facial Recognition」WIRED . 2018年4月10日閲覧。
  193. ^ 「Facebookはタグ付けされていなくてもあなたの顔を見つけられるようになりました」 WIRED . 2018年4月10日閲覧。
  194. ^ 「Facebookは顔認識ソフトウェアをめぐって訴訟を起こされ続け、プライバシー保護団体はもっと注意を払うべきだと主張」 International Business Times、2015年9月3日。 2016年4月5日閲覧。
  195. ^ヘラ、ダナ。 「イリノイ州のプライバシー法に基づくFacebookに対する写真タグ付けをめぐる集団訴訟を裁判官が棄却。カリフォルニア州の訴訟は依然として係争中」。cookcountyrecord.com 。 2016年4月5日閲覧。
  196. ^スキナー＝トンプソン、スコット（2020年）『プライバシーの限界』ケンブリッジ大学出版局、110頁。ISBN 978-1-107-18137-3。
  197. ^ Murgia, Madhumita (2019年8月12日). 「ロンドンのキングスクロス駅、セキュリティカメラに顔認識技術を導入」 . Financial Times (購読サイト) . 2022年12月10日時点のオリジナルよりアーカイブ。 2019年8月17日閲覧。
  198. ^ 「キングス・クロス駅の顔認識システムを調査」 BBCニュース、2019年8月15日。 2019年8月17日閲覧。
  199. ^ Cellan-Jones, Rory (2019年8月16日). 「テックテント：あなたの顔は監視リストに載っているのか？」 BBCニュース. 2019年8月17日閲覧。
  200. ^ Sabbagh, Dan (2019年9月2日). 「キングス・クロス駅の顔認識技術が廃止」 . The Guardian . ISSN 0261-3077 . 2019年9月2日閲覧。 
  201. ^サバグ、ダン（2019年10月4日）「顔認識をめぐる論争：警察がキングスクロスのオーナーに7人の画像を提供」ガーディアン紙。 2020年10月4日閲覧。
  202. ^ a b Judiciary UK (2020年8月11日). 「判決：Bridges対South Wales Police - Courts and Tribunals Judiciary」(PDF) . Judiciary UK . 2021年9月10日閲覧。
  203. ^ Sheidlower, Noah (2023年1月25日). 「ニューヨーク州司法長官レティシア・ジェームズ、顔認識技術の使用をめぐりMSGに圧力」 . CNBC . 2023年1月25日閲覧。
  204. ^ 「写真アルゴリズムは白人男性を識別できるが、黒人女性はそうではない」 WIRED . 2018年4月10日閲覧。
  205. ^ Joy Buolamwini、Timnit Gebru (2018). 「ジェンダー・シェード：商業的なジェンダー分類における交差的精度格差」 . Proceedings of Machine Learning Research . 第81巻. pp.  77– 91. ISSN 1533-7928 . 2018年3月8日閲覧。 
  206. ^ Grother, Patrick; Quinn, George; Phillips, P. Jonathon (2011年8月24日). 「2D静止画像顔認識アルゴリズムの評価に関する報告書」(PDF) .米国国立標準技術研究所.
  207. ^ Buranyi, Stephen (2017年8月8日). 「人種差別ロボットの台頭 ― AIはいかにして私たちの最悪の衝動をすべて学習しているのか」 . The Guardian . 2018年4月10日閲覧。
  208. ^ a b cブレル、アリ（2017年12月4日）「白人エンジニアが人種差別的なコードを作成した経緯と、それが黒人にとって危険な理由」ガーディアン紙。2018年4月10日閲覧。
  209. ^ a b「顔認識ベンダーテスト（FRVT）が進行中」 NIST 2016年12月14日. 2022年2月15日閲覧。
  210. ^ Grother, Patrick J.; Ngan, Mei L.; Hanaoka, Kayee K. (2019年12月19日). 「顔認識ベンダーテスト パート3：人口統計学的影響」 . nist.gov .
  211. ^ロナルド・リーネス、ロザムンデ・ファン・ブラーケル、セルジュ・グトワース、ポール・デ・ハート編（2018年）。『データ保護とプライバシー：身体のインターネット』ブルームズベリー出版、176頁。ISBN 978-1-5099-2621-3。
  212. ^ Bock, Lisa (2020).生体認証によるアイデンティティ管理：安全な識別と認証を提供する最新の革新的なソリューションを探る. Packt Publishing. p. 320. ISBN 978-1-83921-321-2。
  213. ^ Pascu, Luana (2020年3月16日). 「カリフォルニア州住民、CCPAを理由にClearview AIの生体認証データ収集に対し集団訴訟を起こす」 . BiometricUpdate.com . 2020年10月25日閲覧。
  214. ^ Burt, Chris (2020年2月24日). 「カナダのプライバシー委員会がClearview AIを調査し、警察による生体認証の利用に関するガイダンスを策定」 . BiometricUpdate.com . 2020年10月25日閲覧。
  215. ^ Conger, Kate; Fausset, Richard; Kovaleski, Serge F. (2019年5月14日). 「サンフランシスコ市、顔認識技術を禁止」 . The New York Times . ISSN 0362-4331 . 2020年3月26日閲覧。 
  216. ^ a b「サンフランシスコ、顔認識技術の行政機関による使用を禁止」 Wired . ISSN 1059-1028 . 2020年3月26日閲覧。 
  217. ^ 「サマービル市、政府による顔認識技術の使用を禁止」 wbur.org 2019年6月28日. 2020年3月26日閲覧。
  218. ^ a b「サマービル市議会、顔認識禁止法案を可決 ― ボストン・グローブ」 ボストン・グローブ2020年3月26日閲覧。
  219. ^ハスキンズ、キャロライン（2019年7月17日）「オークランド、顔認識を禁止する米国3番目の都市に」Vice。2020年4月11日閲覧。
  220. ^ Nkonde, Mutale (2019). 「自動化された反黒人主義：ニューヨーク・ブルックリンにおける顔認識」 .ケネディスクールレビュー. 20 : 30–26 . ProQuest 2404400349 . 
  221. ボストン市長、顔認識技術の禁止を承認
  222. ボストン市長、顔認識技術の禁止を承認
  223. ^レイチェル・メッツ（2020年9月10日）「ポートランド、米国で最も広範な顔認識禁止法を可決」 CNN 。 2020年9月13日閲覧。
  224. ^「ウェストラファイエット市議会、顔認識技術の禁止を承認」 [3]
  225. ^サンドラー、レイチェル。「人権団体、マイアミ大学に顔認識技術の禁止を要請」フォーブス。2020年10月27日閲覧。
  226. ^ 「知事が警察改革法案に署名- ボストン・グローブ」BostonGlobe.com。
  227. ^ 「マサチューセッツ州は、犯罪捜査における顔認識に関する規則を制定した最初の州の一つだ」ニューヨーク・タイムズ、2021年3月1日 – NYTimes.com経由。
  228. ^マクミラン、ダグラス. 「MSN」 . www.msn.com .
  229. ^ 「EU、公共エリアでの顔認識技術の禁止案を撤回：新聞」ロイター通信2020年1月29日. 2020年4月12日閲覧。
  230. ^ 「顔認識：EUは禁止を検討」 BBCニュース、2020年1月17日。 2020年4月12日閲覧。
  231. ^ 「Reclaim Your Face: Ban Biometric Mass Surveillance!」 Reclaim Your Face . 2021年6月12日閲覧。
  232. ^ゲイツ、ケリー（2011年）『生体認証の未来：顔認識技術と監視文化』NYU出版、156ページ。ISBN 978-0-8147-3209-0。
  233. ^ゲイツ、ケリー（2011年）『生体認証の未来：顔認識技術と監視文化』NYU出版、161ページ。ISBN 978-0-8147-3209-0。
  234. ^ Konar, Amit; Chakraborty, Aruna (2015).感情認識：パターン分析アプローチ. John Wiley & Sons. p. 185. ISBN 978-1-118-13066-7。
  235. ^ Konar, Amit; Chakraborty, Aruna (2015).感情認識：パターン分析アプローチ. John Wiley & Sons. p. 186. ISBN 978-1-118-13066-7。
  236. ^ Konar, Amit; Chakraborty, Aruna (2015).感情認識：パターン分析アプローチ. John Wiley & Sons. p. 187. ISBN 978-1-118-13066-7。
  237. ^ Ioannou, Stephanos; Gallese, Vittorio; Merla, Arcangelo (2014). 「精神生理学における熱赤外線イメージング：可能性と限界」 . Psychophysiology . 51 ( 10): 951– 963. doi : 10.1111/psyp.12243 . ISSN 1469-8986 . PMC 4286005. PMID 24961292 .   
  238. ^コソノゴフ、ウラジミール;ゾルジ、ルーカス・デ。オノレ、ジャック。マルティネス・ベラスケス、エドゥアルド S.ナンドリーノ、ジャン＝ルイ。マルティネス・セルバ、ホセ・M.セケイラ、エンリケ（2017年9月18日）。「顔面の熱変化: 感情的興奮の新しいマーカー」。プロスワン。12 (9) e0183592。Bibcode : 2017PLoSO..1283592K。土井：10.1371/journal.pone.0183592。ISSN 1932-6203。PMC 5603162。PMID 28922392。   
  239. ^ a b Fowler, Gary (2019年10月14日). 「感情AIがパーソナライズされた顧客体験を生み出し、社会に影響を与える方法」 . Frobes . 2020年10月17日閲覧。
  240. ^ 「ユーレカ・パー​​クが復活」（プレスリリース）.国立科学財団. 2013年1月7日. 2013年2月3日閲覧。
  241. ^ a bハーヴェイ、アダム. 「CV Dazzle：顔検出からのカムフラージュ」 . cvdazzle.com . 2017年9月15日閲覧。
  242. ^ Heilweil, Rebecca (2020年7月28日). 「マスクは顔認識システムを欺くことができるが、アルゴリズムは急速に学習している」 . www.vox.com . 2022年6月30日閲覧。
  243. ^ a b Marks, Paul (2020). 「顔認識のブロック」 . cacm.acm.org . 2022年6月30日閲覧。
  244. ^ 「この間抜けなメガネで顔認識技術から透明人間になれるかも」 Slate誌、2013年1月18日。 2013年1月22日閲覧。
  245. ^本郷淳「顔認証機能付きメガネ、日本でデビュー」ウォール・ストリート・ジャーナル2017年2月9日閲覧。
  246. ^オズボーン、チャーリー. 「顔認識ソフトウェアをブロックするプライバシーバイザーが一般公開へ」 . ZDNet . 2017年2月9日閲覧。
  247. ^ストーン、マディ（2015年8月8日）「これらのメガネは顔認識技術をブロックします」ギズモード。2017年2月9日閲覧。
  248. ^ 「日本のプライバシーバイザーが顔認識カメラを騙す仕組み」 PC World 2017年2月9日閲覧。
  249. ^ Cox, Kate (2020年4月10日). 「カメラから身を隠せるシャツもあるが、それを着る人はいるのだろうか？」 Ars Technica . 2020年4月12日閲覧。
  250. ^ Schreiber, Hope (2018年7月2日). 「顔認識技術に不安？ ジャガロメイクで不本意な監視を防止」 . 2019年7月18日閲覧。
  251. ^ヴィンセント・ジェームズ（2020年7月28日）「フェイスマスクは顔認識アルゴリズムを破る、と政府の新調査が主張」 The Verge 2020年8月27日閲覧。
  252. ^ Hern, Alex (2020年8月21日). 「フェイスマスクは顔認識ソフトウェアにアイデンティティ危機をもたらす」 . The Guardian . ISSN 0261-3077 . 2020年8月24日閲覧。 
  253. ^ 「Fawkes AI - シカゴ大学」 。 2022年6月30日閲覧。

さらに読む

「 https://en.wikipedia.org/w/index.php?title=顔認識システム&oldid =1334913113」より取得