Neka mjesta, poput Madison Square Garden, koriste prepoznavanje lica i za sigurnosni nadzor, dok druga, primjerice Citizens Bank Park u Philadelphiji, posjetiteljima nude opcionalni ulazak bez fizičkih ulaznica.

Primjena tehnologije prepoznavanja lica u porastu je te postaje sveprisutna u svakodnevnom životu, od javnog prijevoza do državnih institucija. Transportation Security Administration implementirala je najnoviju tehnologiju prepoznavanja lica na sigurnosnim kontrolnim točkama u brojnim zračnim lukama. Agencija navodi da će se novi sustav koristiti i u gradovima diljem SAD-a koji će biti domaćini utakmica Svjetskog nogometnog prvenstva 2026.

Pouzdanost

Rastuća upotreba prepoznavanja lica povećala je zabrinutost vezanu uz točnost i pristranost sustava. Istraživanja provedena u Vision Labu na University of Dayton pokazala su da su napredni modeli dubokog učenja (deep learning) učinili sustave prepoznavanja lica znatno točnijima i pouzdanijima. Modeli umjetne inteligencije, obučeni na stotinama milijuna fotografija lica, postižu točnost veću od 99 % u kontroliranim okruženjima, poput pametnih telefona, zračnih luka i graničnih prijelaza.

Unaprjeđenje tehnologije

Prepoznavanje lica uključuje tri koraka: lociranje lica na slici ili u kadru videozapisa, stvaranje otiska lica koji bilježi ključne značajke – uključujući oblik lica te orijentire poput očiju, nosa i usta – i analizu teksture kože. Nakon toga otisak lica uspoređuje se s uzorcima pohranjenima u bazi podataka, koja se može nalaziti u pametnom telefonu, banci ili bolnici, kako bi se potvrdio identitet osobe ili omogućio pristup.

U fizičkom svijetu takvi su sustavi brži i jednostavniji od provjere osobnih iskaznica. U digitalnom okruženju jednostavniji su od unosa korisničkog imena i lozinke. Prepoznavanje lica također značajno smanjuje mogućnost krivotvorenja ili prijevara u usporedbi s tradicionalnim metodama identifikacije.

Poboljšanja u tehnologiji rezultat su brojnih istraživačkih projekata. FaceNet, model dubokog učenja koji je razvio Google, unaprijedio je prepoznavanje djelomično prekrivenih ili zaklonjenih lica. DeepFace, sustav prepoznavanja lica temeljen na umjetnoj inteligenciji koji je razvila istraživačka jedinica Meta AI, postiže razinu točnosti usporedivu s ljudskom sposobnošću prepoznavanja lica.

NeoFace, visokoprecizni algoritam koji je razvio NEC, ugrađen je u sustav Mobile Fortify, koji američke imigracijske i carinske službe koriste za identifikaciju osoba.

Smanjenje pogrešaka

Uvjeti iz stvarnog svijeta, poput lošeg osvjetljenja, nepovoljnih kutova snimanja, izraženih promjena mimike, prekrivanja lica maskama ili sunčanim naočalama te loše kvalitete slike, i dalje mogu negativno utjecati na performanse sustava i dovesti do pogrešne identifikacije.

Dvije su glavne vrste pogrešaka: lažno pozitivni i lažno negativni rezultati. Lažno pozitivni rezultat nastaje kada se osoba pogrešno poveže s drugom osobom u bazi podataka. Lažno negativni rezultat javlja se kada sustav ne pronađe osobu u bazi podataka, iako se njezina fotografija ondje nalazi.

Lažno pozitivni rezultati posebno su problematični u sigurnosnim i zaštitnim primjenama jer mogu dovesti do pogrešnih optužbi, diskriminacije ili nezakonitog pritvaranja. Godine 2025. 50-godišnja žena u Tennesseeju uhićena je i zadržana u pritvoru šest mjeseci nakon što ju je sustav za prepoznavanje lica pogrešno povezao s istragom bankovne prijevare u Sjevernoj Dakoti. S druge strane, lažno negativni rezultati mogu dovesti do uskraćivanja usluga osobama koje na njih imaju pravo.

Točnost sustava može biti narušena ako se modeli treniraju na podacima koji ne odražavaju stvarnu demografsku strukturu stanovništva. Studija iz 2025. pokazala je da sustavi trenirani na javnim bazama podataka u kojima su nedovoljno zastupljene osobe tamnije boje kože postižu nižu razinu točnosti. Takva pristranost u podacima za obuku može dovesti do češćih pogrešnih identifikacija žena, osoba različitih etničkih skupina te mlađih i starijih osoba.

Jedno izvješće pokazalo je da su sustavi za prepoznavanje lica koje koristi 42 američke državne agencije pogrešno identificirali Afroamerikance i Amerikance azijskog podrijetla od 10 do 100 puta češće nego bijelce, što je u pojedinim slučajevima dovelo do nezakonitih uhićenja.

Točnost se također smanjuje kod osoba sa snažnom šminkom te kod male djece i starijih osoba jer se njihove karakteristične crte lica mijenjaju brže nego kod ostalih odraslih osoba. Uravnotežavanje skupova podataka prikupljanjem reprezentativnijih fotografija prema dobi, spolu i etničkoj pripadnosti, kao i redovito ažuriranje baza podataka, može povećati točnost i osigurati pravednije rezultate.

Prilagodba slika prije usporedbe, primjerice korekcijom osvjetljenja, također može poboljšati točnost. Ljudi često žmire u mraku ili pri vrlo jakom svjetlu, a napredni softver za obradu slike može oponašati takve ljudske reakcije kako bi sustavima omogućio preciznije izdvajanje karakterističnih crta lica.

Volumetrijsko uzorkovanje

Ljudi su vrlo uspješni u prepoznavanju osoba čak i kada je dio njihova lica prekriven sunčanim naočalama ili zaštitnom maskom. Mozak pritom veću važnost pridaje vidljivim detaljima. Kada bi sustavi za prepoznavanje lica mogli primjenjivati sličan pristup, broj lažno pozitivnih i lažno negativnih rezultata mogao bi se dodatno smanjiti, čak i kada kamere snime samo dio lica.

Dinamika lica također može pomoći pri identifikaciji. Osobu iz osnovne škole koju niste vidjeli godinama možda nećete odmah prepoznati, ali jedan osmijeh često je dovoljan da potakne trenutno prisjećanje.

Zbog toga istraživači razvijaju novu metodu poznatu kao volumetrijsko usmjereno uzorkovanje. Ona bilježi suptilne pokrete mišića lica i treptaje kapaka kroz niz uzastopnih videozapisa. Sustav prati kako se karakteristične točke lica pomiču tijekom vremena te uzima u obzir kontekst promatranja, što može dodatno povećati točnost prepoznavanja.

Istraživači također razvijaju naprednije trodimenzionalne sustave pokretane umjetnom inteligencijom koji mogu precizno zabilježiti geometriju lica, uključujući konture očnih duplji, nosa i brade. Takva istraživanja mogla bi dovesti do razvoja učinkovitijih tehnika zaštite od lažiranja identiteta, čime bi se spriječilo zavaravanje sustava računalno generiranim licima i drugim oblicima digitalnih prijevara.