人脸识别是一种使用人脸识别或验证个人身份的方法。人脸识别系统可用于识别照片、视频或实时中的人。执法部门还可以在警察拦截期间使用移动设备来识别人员。
但是人脸识别数据很容易出错，这可能会牵连人们没有犯下的罪行。面部识别软件在识别非裔美国人和其他少数族裔、妇女和年轻人方面尤其糟糕，经常错误识别或未能识别他们，从而对某些群体产生不同的影响。
此外，面部识别已被用于针对从事受保护言论的人。在不久的将来，人脸识别技术可能会变得更加普及。它可用于跟踪个人在世界上的活动，就像自动车牌阅读器通过车牌号跟踪车辆一样。实时人脸识别已经在其他国家甚至美国的体育赛事中使用。
资料来源：爱荷华州交通部
人脸识别系统使用计算机算法来挑选出关于人脸的特定、独特的细节。然后将这些细节（例如眼睛之间的距离或下巴的形状）转换为数学表示，并与人脸识别数据库中收集的其他人脸数据进行比较。有关特定面部的数据通常称为面部模板，与照片不同，因为它旨在仅包含可用于区分一张脸与另一张脸的某些细节。
一些人脸识别系统不是主动识别未知人，而是设计为计算未知人与存储在数据库中的特定人脸模板之间的概率匹配分数。这些系统将提供几个潜在的匹配项，按照正确识别的可能性排序，而不是只返回一个结果。
人脸识别系统在具有挑战性的条件下识别人的能力各不相同，例如光线不足、图像分辨率低和视角不理想（例如从上方拍摄的照片中俯视一个陌生人）。
当涉及到错误时，有两个关键概念需要理解：
“假阴性”是指人脸识别系统无法将人脸与实际上包含在数据库中的图像进行匹配。换句话说，系统将错误地返回零结果以响应查询。
“误报”是指人脸识别系统确实将人脸与数据库中的图像匹配，但该匹配实际上是不正确的。这是警察提交“乔”的照片，但系统错误地告诉警察这张照片是“杰克”的照片。
在研究人脸识别系统时，仔细观察“假阳性”率和“假阴性”率很重要，因为几乎总是需要权衡取舍。例如，如果您正在使用人脸识别来解锁您的手机，最好让系统多次无法识别您（假阴性），而不是让系统错误地将其他人识别为您并让这些人解锁您的手机（假阳性）。如果错误识别的结果是无辜的人入狱（就像面部照片数据库中的错误识别），那么系统应该设计为尽可能少的误报。
执法机构在日常警务中越来越频繁地使用人脸识别。警方收集被捕者的面部照片，并将其与地方、州和联邦人脸识别数据库进行比较。一旦拍摄了被捕者的照片，面部照片将保存在一个或多个数据库中，每次警方进行另一次刑事搜查时都会对其进行扫描。
然后，执法部门可以查询这些庞大的面部照片数据库，以识别从社交媒体、闭路电视、交通摄像机拍摄的照片中的人物，甚至是他们在现场拍摄的照片。人脸也可以与涉嫌非法活动的人的“热门名单”进行实时比较。
移动人脸识别允许警察使用智能手机、平板电脑或其他便携式设备拍摄现场驾驶员或行人的照片，并立即将该照片与一个或多个人脸识别数据库进行比较，以尝试识别。
人脸识别已在机场、边境口岸和奥运会等活动中使用。人脸识别也可用于商店和体育场馆等私人空间，但不同的规则可能适用于私营部门的人脸识别。
支持面部识别的这些用途是地方、州和联邦级别的数十个数据库。估计表明，美国25% 或更多的州和地方执法机构可以在他们自己的数据库或其他机构的数据库上运行人脸识别搜索。
根据Governing 杂志，截至 2015 年，至少有 39 个州使用面部识别软件及其机动车部 (DMV) 数据库来检测欺诈行为。《华盛顿邮报》在 2013 年报道，其中 26 个州允许执法部门搜索或请求搜索驾驶执照数据库，但随着时间的推移，这个数字可能会增加。
在本地也可以找到数据库，这些数据库可能非常大。例如，佛罗里达州的皮内拉斯县警长办公室可能拥有当地最大的人脸分析数据库之一。根据乔治城大学的研究，该数据库每月被 240 多家机构搜索约 8,000 次。
联邦政府有几个人脸识别系统，但与执法最相关的数据库是 FBI 的下一代识别数据库，其中包含超过 3000 万条人脸识别记录。联邦调查局允许州和地方机构“关闭”访问该数据库，这意味着联邦一级没有人检查个人搜索。反过来，各州允许 FBI 访问他们自己的犯罪人脸识别数据库。
FBI 还有一个专门负责人脸识别搜索的员工团队，称为人脸分析、比较和评估 (“FACE”) 服务。FBI 可以访问来自州 DMV 和国务院的超过 4 亿张非犯罪照片，美国 16 个州允许 FACE 访问驾照和身份证照片。
鉴于使用人脸识别的大量 DMV 数据库以及照片在国务院护照和美国签证持有人数据库中的美国人数量，乔治城大学估计，如果没有的话，至少有一半的美国成年人已经进入了其中。更多人脸识别数据库。
MorphoTrust 是Idemia（以前称为 OT-Morpho 或 Safran）的子公司，是美国最大的人脸识别和其他生物特征识别技术供应商之一。它为州 DMV、联邦和州执法机构、边境管制和机场（包括 TSA PreCheck）以及国务院设计了系统。其他常见的供应商包括3M、Cognitec、DataWorks Plus、Dynamic Imaging Systems、FaceFirst和NEC Global。
人脸识别数据很容易被执法部门收集，而公众则难以避免。面孔一直都是公开的，但与密码不同，人们不能轻易改变面孔。我们看到各机构之间的信息共享有所增加。相机功能越来越强大，技术也在迅速进步。
面部识别数据通常来自面部照片，这些照片是在法官有机会确定有罪或无罪之前在逮捕时拍摄的。面部照片通常不会从数据库中删除，即使被捕者从未受到过指控。
尽管人脸识别的普及和技术的进步，人脸识别数据还是容易出错。事实上，联邦调查局在其隐私影响评估中承认，其系统“可能不够可靠，无法准确定位相同身份的其他照片，从而导致错误识别率增加。” 尽管 FBI 声称其系统可以在 85% 的时间内在前 50 名个人资料中找到真正的候选人，但只有当真正的候选人存在于画廊中时才会出现这种情况。如果候选人不在画廊中，系统很可能仍会产生一个或多个潜在匹配，从而产生误报结果。这些人——不是候选人——可能会成为他们没有犯下的罪行的嫌疑人。
随着数据库中人数的增加，人脸识别变得更糟。这是因为世界上有很多人长得像。随着相似面孔的可能性增加，匹配准确性降低。
人脸识别软件在识别非裔美国人方面尤其糟糕。由 FBI 合着的2012 年研究 [.pdf] 表明，非裔美国人的准确率低于其他人口统计数据。人脸识别软件还会以更高的比例误认其他少数民族、年轻人和女性。犯罪数据库包括数量不成比例的非裔美国人、拉丁裔和移民，部分原因是警察存在种族偏见。因此，人脸识别技术的使用对有色人种有不同的影响。
有人认为，人工备份识别（验证计算机身份的人）可以抵消误报。然而，研究表明，如果人们缺乏专门的培训，他们大约有一半的时间会做出关于候选照片是否匹配的错误决定。不幸的是，很少有系统有专门的人员审查并缩小潜在的匹配范围。
人脸识别可用于针对从事受保护言论的人。例如，在围绕 Freddie Gray 死亡的抗议活动中，巴尔的摩警察局通过人脸识别运行社交媒体照片，以识别抗议者并逮捕他们。在乔治城隐私与技术中心的一份报告中分析的 52 个机构中，只有一个机构，即俄亥俄州刑事调查局，制定了一项人脸识别政策，明确禁止使用该技术来追踪从事受保护言论自由的个人。
很少有人对人脸识别系统进行滥用审计。在乔治城大学调查的 52 家承认使用人脸识别的机构中，只有不到 10% 的机构拥有公开的使用政策。只有两个机构（旧金山警察局和西雅图地区的 South Sound 911）将购买技术限制在满足某些准确度阈值的范围内。只有一个——密歇根州警察局——提供了其审计过程的文件。
几乎没有措施来保护日常美国人免受人脸识别技术的滥用。一般来说，机构不需要搜查令，许多机构甚至不需要执法部门在使用人脸识别识别某人之前怀疑某人犯罪。
伊利诺伊州生物特征信息隐私法要求在私人使用面部识别技术之前得到通知和同意。但是，这仅适用于公司，不适用于执法机构。