戴口罩對人臉識別準確度有何影響？

口罩遮住了哪些關鍵特徵

人臉識別演算法倚賴面部特徵點（Landmark）來建立每張臉的數字特徵，口罩剛好覆蓋了其中相當重要的一部分。

一般的人臉識別流程，會先由鏡頭偵測人臉，再定位眼睛、鼻尖、嘴角等特徵點，然後以這些點的相對幾何關係與紋理生成一個特徵向量，最後與資料庫內的樣本比對。口罩遮蓋口鼻後，嘴角與鼻尖失去參考，演算法只能依賴眼睛、眉骨、額頭與面頰上半部的資訊。

可用特徵減少，會產生兩個直接後果：一是辨識的「可分辨性」下降，不同人的臉在只剩上半部的情況下相似度上升，誤認別人的機會增加；二是偵測階段已可能失敗，部分演算法在五官被遮擋過多時，根本找不到足夠特徵點，直接回報「無法辨識」而不出結果。

不同遮擋程度的差別

普通外科口罩遮蓋口鼻但露出眼睛；N95 或貼面口罩位置相近；圍巾或面罩則可能連額頭與眼睛都遮蓋，屬完全不同的難度。遮擋範圍越大，準確度下降越明顯。

NIST口罩測試的量化結果

美國國家標準與技術研究院（NIST）的 FRVT 計劃（Face Recognition Vendor Test）曾就口罩對人臉識別的影響進行系統測試，結果已公開於 NISTIR 8331 報告及 FRVT 網頁。

NIST 的研究在 2020 至 2021 年分兩輪進行：第一輪測試疫情前演算法，發現演算法在口罩人臉上的錯誤率大幅上升；第二輪測試疫情後提交的新演算法，廠商因應口罩環境改良演算法，錯誤率已顯著回落，但仍高於沒有口罩的情況。

值得留意的是測試的具體環境：NIST 測試使用清晰的證件相與控制條件下的照片，與現場門禁的動態鏡頭不同。實際環境的影像質素、光線與角度，會令錯誤率比實驗室數字更高。因此這些結果宜理解為「口罩確實令識別更困難，且困難程度可量度」，而不是套用單一錯誤率到所有現場。

對選購系統的用家而言，更重要的是詢問供應商：「你的系統是否有以口罩照片訓練的演算法？現場口罩環境的識別率是多少？」有準備的供應商能提供實測數據，而不是只用一般宣傳數字。

需要協助？口罩環境的人臉識別需要現場測試實際識別率，由工程人員攜同設備示範，可避免買入不適合的系統，歡迎聯絡工程師查詢。WhatsApp →

為什麼戴口罩辨識會誤判

口罩引起誤判，主要有三種機制，理解它們有助判斷現場問題出在哪一環。

特徵不足——口鼻特徵消失後，兩個不同的人在上半臉相似度可能高於系統的誤認門檻，造成「誤接受」（False Accept，把 A 認成 B）。系統若調高門檻以求穩妥，又會令本人被拒絕的「誤拒絕」（False Reject）增加。
遮擋令偵測失敗——鏡頭角度偏側、口罩反光或面部光線不均時，特徵點定位不準，系統可能直接無法建立特徵，回報「無法辨識」，員工要脫下口罩或手動輸入。
訓練資料偏差——如果演算法訓練時很少見到戴口罩的樣本，模型對「人加口罩」的組合沒有足夠學習，表現便會偏離。這是部分舊系統在口罩環境表現特別差的原因。

誤接受與誤拒絕是此消彼長的關係：門禁系統容許兩者都設定的話，管理員要按場所保安需要取捨。例如護老院病房門對「誤拒絕」較敏感（員工進不去會阻礙工作），金庫或資料房則對「誤接受」零容忍。

口罩環境下的系統設定與對策

口罩環境的識別率可以透過設定與部署改善，以下方法按見效程度排列。

選擇支援口罩模式的演算法——近年推出的門禁人臉機普遍加入口罩辨識模式，以眼睛與眉骨為主特徵。採購時應要求供應商現場示範戴口罩註冊與辨識。
重新註冊口罩樣本——如果系統支援，可讓員工戴著日常使用的口罩類型重新註冊，系統會學習「這個人戴口罩時的特徵」，比單靠推演可靠。
改善鏡頭位置與光線——人臉機應正對面部、與眼睛水平，避免逆光或強側光。遮擋令可用特徵減少後，影像質素的影響會放大。
設定更合適的門檻——按現場誤拒絕與誤接受的頻率調整比對門檻，並持續觀察一段時間才定案，不要以最初一兩天的數據作準。
配搭後備認證方式——考勤與門禁可保留感應卡或密碼作後備，員工無法辨識時不致阻塞入口，並可記錄換用次數以評估系統表現。

還要留意一個實際問題：口罩款式五花八門，布料口罩、外科口罩與 N95 的遮蓋範圍略有分別。系統以一種口罩註冊，換另一種口罩後表現可能改變，員工應盡量使用相近款式。

香港應用的實際考慮

在香港，口罩環境的人臉識別主要見於醫院、診所、護老院、食品工場及部分商場員工入口，應用性質以考勤與員工通道為主，訪客場景較少。

合規方面，人臉識別收集的是生物辨識資料，屬《個人資料（私隱）條例》下的敏感個人資料，僱主收集員工樣貌作考勤或門禁，須符合保障資料原則：告知目的、取得同意、限制使用範圍並訂明保留期限。2021 年個人資料私隱專員公署公布的《閉路電視監察及使用航拍機指引》，亦要求使用生物辨識技術時進行影響評估並採取替代方案。因此，選擇以人臉為唯一認證方式的場所，應準備好上述合規文件。

實際運作上，香港不少護老院與診所的口罩考勤機，反映的常見問題是「辨識成功但慢」，員工排隊等候導致入口擠塞。選型時除了看識別率數字，亦應了解系統的比對速度與多人同時出現時的處理方式，避免在繁忙時段成為瓶頸。

最後，口罩規定若日後放寬，系統應能切換回正常模式，並可重新以全臉樣本更新，不需要更換硬件。採購時把「口罩模式」列為可切換功能，比買一支只能戴口罩識別的機器更有彈性。

常見問題

戴口罩時人臉識別一定失敗嗎？

不一定。支援口罩模式的現代演算法，以眼睛與眉骨為主要特徵，辨識率遠高於舊系統，但仍低於無口罩情況。實際表現取決於演算法、影像質素與註冊樣本，建議現場測試後才決定是否採用。

NIST測試的錯誤率可以用作香港現場的參考嗎？

只能作參考。NIST的測試使用控制條件下的清晰照片，而香港現場的門禁鏡頭受光線、角度與影像質素影響，實際錯誤率通常高於實驗室數字。測試結果的主要價值，是確認口罩確實令識別更困難，並顯示新一代演算法已有明顯改善。

員工戴口罩註冊，會影響日後不戴口罩時的識別嗎？

視乎系統設計。部分系統容許為同一人儲存多個樣本，口罩與全臉樣本並存；只存口罩樣本的話，不戴口罩時特徵不同，可能無法比對。註冊時應了解系統的樣本管理方式，並保留全臉樣本作後備。

口罩模式下，誤接受與誤拒絕哪一個更值得擔心？

兩者此消彼長，按場所保安需要取捨。護老院病房、醫院通道等場所對「員工進不去」較敏感，寧可容許較高的誤接受；金庫、資料房等高保安場所則要降低誤接受，即使偶爾誤拒絕亦無妨。門檻應由管理方按風險決定。

戴口罩的人臉識別在香港是否受法例規管？

人臉資料屬個人資料，使用須符合《個人資料（私隱）條例》的保障資料原則。個人資料私隱專員公署就生物辨識及閉路電視監察設有指引，要求使用前告知、取得同意並進行影響評估。僱主安裝前應完成相關合規程序。

除了戴口罩，還有甚麼情況會影響人臉識別準確度？

光線不足或逆光、鏡頭角度偏移、面部被頭髮或眼鏡遮擋、年齡增長令樣本老化，都會影響準確度。口罩只是常見遮擋之一。應定期更新樣本並檢查鏡頭安裝位置，以維持系統表現。