照片阵容中包含大型图库非匹配排名第一图像时，准确性如何变化？
一项新研究调查了面部识别流程中照片阵容准确性受图库大小的影响。研究发现，随着图库规模从500张增加到24,000张，目击者错误识别的可能性及其对错误识别的信心均显著上升。该流程已涉及至少9起错误逮捕，质疑是否应继续使用此类图像进行照片阵容，以及仅凭照片阵容结果是否应构成逮捕的合理依据。
一项发表在arXiv上的新研究（编号：2607.21792）探讨了面部识别流程中照片阵容准确性受图库规模影响的问题。该研究由Genesis Argueta等四位作者完成，于2026年7月23日提交。研究聚焦于一种常见的一对多面部识别方法：将监控视频中的探头图像与驾驶执照或入狱照片图库进行匹配。算法输出的排名第一的图像，或由人类审查员从算法前几名图像中选出的结果，随后被放入供目击者指认的照片阵容中。目击者选择图库中的图像，可能导致该图像对应的人员被逮捕。
研究团队指出，这种面部识别流程已经与至少9起错误逮捕案例有关。为了量化问题，他们设计了实验，比较了当“嫌疑人”图像分别来自包含500张、5,000张和24,000张图像的图库时，照片阵容的准确性。结果显示，随着图库规模增大，目击者做出错误识别的可能性显著增加，并且目击者对错误识别的信心也随之提高。这意味着，更大的图库不仅增加了错误率，还使得错误识别看起来更可信。
这些发现引发了重要的法律和伦理问题：是否应该将此类面部识别流程产生的图像用于照片阵容？仅凭照片阵容的结果是否足以构成逮捕的合理依据？研究者认为，当前的做法可能需要重新审视，以避免进一步的司法错误。该论文共22页，包含18张图表，后8页为实验中使用的嫌疑人图像示例。