Gezichtsherkenning: hoe computers gezichten leren herkennen
Gezichtsherkenning is technologie die automatisch kan bepalen wie er op een foto of video staat, of dat twee gezichten van dezelfde persoon zijn. Denk aan het ontgrendelen van een smartphone door er even naar te kijken: de telefoon vergelijkt je gezicht op dat moment met een eerder opgeslagen model van jouw gezicht en beslist binnen een fractie van een seconde of het een match is.
Diezelfde basisprincipe wordt op veel grotere schaal toegepast: bij grenscontroles, in winkels tegen winkeldiefstal, door de politie om verdachten op te sporen, en door sociale media om te herkennen wie er op een vakantiefoto staat. Het gezicht functioneert daarbij als een soort biometrisch kenmerk, vergelijkbaar met een vingerafdruk, maar dan op afstand en zonder dat iemand actief hoeft mee te werken.
Wat is het precies?
Gezichtsherkenning verloopt meestal in een aantal stappen. Eerst moet een systeem een gezicht in een foto of videobeeld detecteren: het onderscheiden van de rest van de achtergrond. Dat gebeurt met algoritmes die getraind zijn om vormen te herkennen die op een gezicht lijken, ongeacht belichting, hoek of expressie.
Daarna volgt uitlijning: het beeld wordt rechtgezet en genormaliseerd, zodat het er ongeveer hetzelfde uitziet als andere gezichten in de database, ook als iemand het hoofd schuin houdt of van opzij is gefotografeerd.
Vervolgens haalt het systeem kenmerken uit het gezicht: de afstand tussen de ogen, de vorm van de kaaklijn, de positie van de neus, en tientallen andere details. Moderne systemen gebruiken hiervoor neurale netwerken, rekenmodellen die losjes geïnspireerd zijn op de werking van hersenen en die na training op miljoenen foto's zelf leren welke kenmerken het meest onderscheidend zijn. Het resultaat is geen foto, maar een reeks getallen: een soort digitale vingerafdruk van het gezicht, ook wel een embedding of faceprint genoemd.
Tot slot vergelijkt het systeem deze getallenreeks met andere faceprints. Bij verificatie (ben jij wie je zegt te zijn?) wordt één-op-één vergeleken, zoals bij het ontgrendelen van een telefoon. Bij identificatie (wie is deze persoon?) wordt één gezicht vergeleken met een hele database, zoals wanneer de politie een verdachte probeert te vinden tussen duizenden bekende gezichten.
Wat wil men ermee bereiken?
De belangrijkste belofte van gezichtsherkenning is gemak en snelheid: mensen identificeren zonder wachtwoorden, pasjes of handmatige controles. Dat is aantrekkelijk bij grenscontroles, waar het duizenden reizigers per dag sneller kan afhandelen, en bij consumentenelektronica, waar het inloggen zonder pincode mogelijk maakt.
Daarnaast wordt het ingezet voor veiligheid: opsporingsdiensten hopen verdachten sneller te identificeren, winkels willen bekende winkeldieven herkennen, en overheden willen grip houden op wie een land in- en uitreist. Bedrijven zien ook commerciële kansen, bijvoorbeeld door klanten te herkennen voor gepersonaliseerde reclame of toegang tot evenementen.
Tegelijk is er een tegenbeweging die precies deze toepassingen ziet als een bedreiging voor de privacy en de vrijheid om anoniem over straat te gaan. Dat spanningsveld tussen gemak/veiligheid enerzijds en privacy/vrijheid anderzijds bepaalt grotendeels het maatschappelijke debat over deze techniek.
Voorbeelden uit de praktijk
Apple introduceerde in 2017 Face ID op de iPhone X, waarmee gebruikers hun toestel ontgrendelen met een 3D-scan van hun gezicht in plaats van een vingerafdruk. Het was een van de eerste massale, alledaagse toepassingen van de techniek.
Op Schiphol gebruikt de Koninklijke Marechaussee al sinds enkele jaren zelfscanpoortjes die reizigers herkennen aan hun gezicht in vergelijking met de foto in hun paspoort, waardoor grenscontrole sneller verloopt.
Het Amerikaanse bedrijf Clearview AI bouwde een database met meer dan twintig miljard foto's, verzameld van openbare websites en sociale media, en verkocht toegang daartoe aan politiediensten. Diverse Europese privacytoezichthouders, waaronder de Franse, Italiaanse en Griekse, legden het bedrijf tussen 2021 en 2023 forse boetes op omdat dit indruist tegen de Europese privacywetgeving (AVG).
In de Amerikaanse stad Detroit werd Robert Williams in 2020 ten onrechte gearresteerd nadat gezichtsherkenningssoftware zijn gezicht verkeerd koppelde aan beelden van een winkeldiefstal. De zaak, aangekaart door burgerrechtenorganisatie ACLU, werd een belangrijk voorbeeld van hoe fouten in dit soort systemen mensen direct kunnen schaden.
China zet gezichtsherkenning op grote schaal in voor openbare surveillance, onder meer in de regio Xinjiang, waar mensenrechtenorganisaties documenteerden dat de techniek gebruikt wordt om de Oeigoerse bevolking te volgen en te controleren.
Hoe ver is de techniek?
De nauwkeurigheid van gezichtsherkenning is de afgelopen tien jaar sterk verbeterd. Het Amerikaanse standaardisatie-instituut NIST test regelmatig algoritmes van tientallen leveranciers in de Face Recognition Vendor Test (FRVT); de beste systemen scoren inmiddels foutpercentages van ruim onder de 1 procent bij goede beeldkwaliteit en frontale foto's.
Toch blijven er belangrijke beperkingen. Onderzoek, onder meer van het Amerikaanse MIT Media Lab (Joy Buolamwini, 2018), liet zien dat veel systemen minder nauwkeurig zijn bij vrouwen en mensen met een donkere huidskleur, vooral omdat trainingsdata historisch gezien onvoldoende divers was. Latere NIST-tests bevestigden verschillen in foutpercentages tussen bevolkingsgroepen, al zijn de verschillen bij recentere algoritmes kleiner geworden.
Ook praktische omstandigheden blijven lastig: slecht licht, mondkapjes, een sterke hoek of een lage resolutie kunnen de betrouwbaarheid flink verlagen, vooral bij identificatie in drukke, ongecontroleerde omgevingen zoals cameratoezicht op straat.
Juridisch is er beweging: de Europese Unie nam in 2024 de AI Act aan, die real-time biometrische identificatie door opsporingsdiensten in openbare ruimtes in principe verbiedt, met een beperkt aantal uitzonderingen zoals de zoektocht naar vermiste kinderen of terreurverdachten. Diverse Amerikaanse steden, waaronder San Francisco (2019), verboden het gebruik van gezichtsherkenning door gemeentelijke diensten geheel.
Wie werken eraan?
Grote techbedrijven als Microsoft, Amazon (met de dienst Rekognition) en Google ontwikkelen gezichtsherkenningstechnologie, al hebben sommige hun verkoop aan politiediensten na kritiek tijdelijk beperkt. Het Japanse NEC en het Franse Idemia zijn grote leveranciers van systemen voor overheden en grenscontrole. In China lopen bedrijven als SenseTime en Megvii (bekend van Face++) voorop, met sterke steun van de overheid.
Op onderzoeksgebied speelt het Amerikaanse NIST een centrale rol als onafhankelijke testinstantie, terwijl universiteiten wereldwijd, waaronder MIT, Stanford en diverse Europese technische universiteiten, bijdragen aan zowel het verbeteren van de techniek als het blootleggen van de tekortkomingen ervan. In Nederland houdt de Autoriteit Persoonsgegevens toezicht op het gebruik van gezichtsherkenning in relatie tot privacywetgeving.