[size=1.2em]美国标准与科技协会（NIST）发布了新报告“人脸识别供应商测试”，分析了人脸识别种族歧视产生的原因。

[size=1.2em]人脸识别系统中潜在的偏差来源

[size=1.2em]在对偏差的讨论中，报告并没有具体说明，但性能指标显示，任何一个在理论上都可能存在人口差异。一个阶段的错误通常会产生下游后果。

[size=1.2em]图像质量的影响

[size=1.2em]最近的研究表明，摄像头可以对通用的下行识别引擎产生影响。糟糕的图像可能会破坏检测或识别，而且某些人口统计数据可能会产生不适合人脸识别的照片，例如幼儿或非常高大的个体。如上所述，在捕获阶段，即在与其他图像进行任何比较之前仅收集单个图像时，可能会出现人口统计学差异。在收集过程中出现的人口统计差异可能（至少）源于摄像机、环境或“阶段”以及客户端检测或质量评估算法的不足。

[size=1.2em]摄影标准

[size=1.2em]人脸识别是对从两张照片中提取的特征的微分进行操作。精确度可能会受到糟糕的摄影/照明/呈现以及这些方面的差异的影响。当然，一张曝光严重不足的照片无法没有足够的信息内容，但两张即使曝光程度稍差的照片也可以匹配，而且当代领先的算法对质量降级都有很高的容错度。

[size=1.2em]年龄和老龄化

[size=1.2em]衰老将在几十年内改变容貌，最终将破坏自动人脸识别。年龄本身是人口统计因素，因为老年人和年轻人的准确性和指纹认证都不同，即使两张照片之间没有明显的时间间隔。