Faceprint: de digitale handtekening van je gezicht
Een faceprint is een digitale, numerieke weergave van een gezicht, gemaakt door software die unieke kenmerken van dat gezicht omzet in een reeks getallen. Vergelijk het met een vingerafdruk: ook daar gaat het niet om de huid zelf, maar om een patroon dat je kunt vastleggen, opslaan en later vergelijken met een nieuwe afdruk. Bij een faceprint gebeurt iets vergelijkbaars, maar dan met de vorm van je ogen, neus, kaaklijn en de afstanden daartussen.
Stel je voor dat je telefoon ontgrendelt met je gezicht. Op het moment dat je naar het scherm kijkt, maakt de camera een opname, berekent een algoritme binnen een fractie van een seconde een faceprint, en vergelijkt die met de faceprint die al op het apparaat is opgeslagen. Komen ze voldoende overeen, dan gaat het slot open. Dezelfde basistechniek wordt ook gebruikt bij grenscontrole, opsporing door de politie en toegang tot gebouwen.
Wat is het precies?
Het maken van een faceprint verloopt in een aantal stappen. Eerst moet een systeem een gezicht in een foto of videobeeld herkennen: dit heet gezichtsdetectie. Het algoritme zoekt naar patronen die typisch zijn voor een gezicht, los van wie het is.
Daarna volgt landmark-detectie: het systeem bepaalt de precieze locatie van vaste punten, zoals ooghoeken, neuspunt en mondhoeken. Met die punten kan het gezicht worden genormaliseerd, wat betekent dat scheve hoeken, verschillen in belichting of afstand tot de camera worden gecorrigeerd zodat gezichten onderling vergelijkbaar worden.
De kern van het proces is feature-extractie. Een neuraal netwerk, een soort computerprogramma dat is getraind op miljoenen gezichtsfoto's om patronen te herkennen, zet het genormaliseerde gezicht om in een embedding: een lijst van vaak 128 tot 512 getallen. Deze lijst getallen is de faceprint. Twee foto's van dezelfde persoon leveren, ook bij andere belichting of een ander kapsel, embeddings op die wiskundig dicht bij elkaar liggen.
Om twee faceprints te vergelijken, berekent het systeem de afstand tussen de twee getallenreeksen, bijvoorbeeld met een methode die cosine similarity heet. Is die afstand klein genoeg, dan spreekt het systeem van een match. Belangrijk is dat een faceprint zelf meestal geen herkenbare foto is; het is een wiskundig patroon waaruit het oorspronkelijke gezicht niet zomaar is terug te halen, al blijft het een vorm van biometrische data en dus gevoelige persoonsinformatie.
Wat wil men ermee bereiken?
De belangrijkste belofte van faceprint-technologie is gemak: geen wachtwoorden, pasjes of pincodes meer nodig. Een blik in de camera is genoeg om een telefoon te ontgrendelen, een betaling te bevestigen of een gebouw te betreden.
Daarnaast speelt beveiliging een grote rol. Overheden gebruiken gezichtsherkenning bij grenscontrole, zodat reizigers automatisch kunnen worden gekoppeld aan hun paspoort. Banken en betaaldiensten zetten het in om fraude te bemoeilijken, omdat een gezicht moeilijker te stelen is dan een wachtwoord.
Voor de politie en opsporingsdiensten is het doel vaak het sneller identificeren van verdachten op basis van camerabeelden, door een onbekend gezicht te vergelijken met databases van eerder vastgelegde faceprints. Dit is tegelijk het meest omstreden gebruik, omdat het rechtstreeks raakt aan privacy en de kans op fouten grote gevolgen kan hebben.
Voorbeelden uit de praktijk
Apple Face ID (2017) introduceerde gezichtsherkenning als standaard ontgrendelmethode voor de iPhone. De faceprint wordt lokaal op het apparaat opgeslagen in een beveiligde chip en verlaat het toestel niet, wat door Apple wordt gepresenteerd als een privacyvriendelijker aanpak dan opslag in de cloud.
Clearview AI ligt al jaren onder vuur omdat het bedrijf miljarden foto's van het open internet, waaronder sociale media, verzamelde om faceprints van te maken en een zoekdienst te bouwen die aan politie en overheden werd verkocht. Diverse Europese privacytoezichthouders, waaronder in Italië, Frankrijk en Griekenland, legden het bedrijf boetes op wegens overtreding van privacywetgeving; ook in de Verenigde Staten liepen er rechtszaken over het zonder toestemming gebruiken van gezichtsdata.
Meta (voorheen Facebook) gebruikte lange tijd gezichtsherkenning om automatisch mensen te herkennen en voor te stellen om te taggen op foto's. Dit leidde tot een rechtszaak in de Amerikaanse staat Illinois, waar een specifieke biometrische privacywet (BIPA) geldt. Facebook schikte deze zaak in 2021 voor ongeveer 650 miljoen dollar en stopte daarna met de geautomatiseerde taggesuggesties op basis van gezichtsherkenning.
In Detroit leidde een verkeerde match door gezichtsherkenningssoftware in 2020 tot de onterechte arrestatie van Robert Williams, een van de eerste publiek bekende gevallen waarin gebrekkige gezichtsherkenning direct tot een fout van justitie leidde. De zaak werd veelgenoemd in het debat over de risico's van het gebruik van deze technologie door de politie.
Hoe ver is de techniek?
Sinds ongeveer 2014-2015 is de nauwkeurigheid van gezichtsherkenning sterk verbeterd door de doorbraak van deep learning, een vorm van machine learning met grote neurale netwerken. Een invloedrijk voorbeeld was FaceNet, een systeem dat Google-onderzoekers in 2015 publiceerden en dat liet zien hoe embeddings heel compact en nauwkeurig konden worden gemaakt. Het Amerikaanse standaardisatie-instituut NIST test sindsdien regelmatig de algoritmes van tientallen leveranciers in de Face Recognition Vendor Test (FRVT) en rapporteert dat foutpercentages bij de beste systemen de afgelopen tien jaar flink zijn gedaald.
Toch zijn er serieuze obstakels. Onderzoek genaamd Gender Shades, gepubliceerd in 2018 door onderzoeker Joy Buolamwini (destijds verbonden aan het MIT Media Lab), toonde aan dat destijds veelgebruikte commerciële gezichtsherkenningssystemen aanzienlijk vaker fouten maakten bij vrouwen en mensen met een donkere huidskleur dan bij witte mannen. Dit bias-probleem heeft sindsdien veel aandacht gekregen en diverse bedrijven hebben hun systemen aangepast, maar onderzoekers benadrukken dat de verschillen niet overal volledig zijn verdwenen.
Deze risico's hebben ook geleid tot wetgeving. De Europese Unie heeft met de AI Act, die vanaf 2024 gefaseerd in werking treedt, strikte beperkingen opgelegd aan het gebruik van real-time biometrische identificatie in openbare ruimtes door opsporingsdiensten, met slechts enkele uitzonderingen. In de Verenigde Staten verbood de stad San Francisco in 2019 als een van de eerste het gebruik van gezichtsherkenning door de eigen politie en gemeentelijke diensten, een voorbeeld dat later door andere Amerikaanse steden is gevolgd. Kortom: de techniek zelf is in rap tempo nauwkeuriger geworden, maar de maatschappelijke en juridische kaders lopen nog steeds achter en verschillen sterk van land tot land.
Wie werken eraan?
Aan de commerciële kant zijn grote technologiebedrijven zoals Apple, Google, Microsoft (met de Azure Face-dienst) en Amazon (met Rekognition) actief, naast gespecialiseerde biometriebedrijven als NEC en Idemia, die onder meer leveren aan overheden voor grensbewaking. Clearview AI is vooral bekend geworden door zijn controversiële opsporingstoepassingen.
Op onderzoeksgebied speelt het Amerikaanse NIST een centrale rol als onafhankelijke testinstantie, terwijl organisaties als het MIT Media Lab en de daaruit voortgekomen Algorithmic Justice League zich richten op het blootleggen en verminderen van bias in deze systemen.
Op landenniveau loopt China voorop in de grootschalige, alledaagse inzet van gezichtsherkenning, bijvoorbeeld bij metro's, scholen en openbare veiligheid. De Verenigde Staten kennen een verdeeld beleid, met sommige steden en staten die het gebruik door de politie beperken of verbieden en andere die het juist omarmen. De Europese Unie kiest met de AI Act en de bestaande privacywetgeving (GDPR) voor een beduidend strengere, rechten-gerichte benadering dan de meeste andere regio's.