Mondkapjes vormen nieuwe uitdaging voor gezichtsherkenning

Automatische gezichtsherkenning is dit jaar voor heel nieuwe uitdagingen komen te staan, nu maskers volop worden gebruikt. Wetenschappers werken aan oplossingen, maar u kunt zelf ook wat doen om uw telefoon weer eenvoudig te ontgrendelen.

Even het moderne mobieltje voor je gezicht houden en, hup, hij is vanzelf ontgrendeld. Niet alleen handig, maar ook veilig. Apple gaat er prat op dat zijn Face ID-technologie stukken veiliger is dan de ‘oude’ variant met de vingerafdruk.

Het ontgrendelen van mobiele telefoons met gezichtsherkenning was dan ook een prima idee. Totdat de gezichtsmaskers kwamen. Iedereen die de laatste tijd in de trein zit en verplicht een mondkapje moet dragen, merkt dat het ontgrendelen op moderne Apple- of Android-telefoons ineens niet meer zo simpel is. Het oppakken en vervolgens gedachtenloos wat apps openen gaat niet meer. Het toestel blijft dicht.

Beveiliging

Gezichtsherkenningstechnologie zit niet alleen in mobieltjes. Denk aan de beveiligingscamera’s van particulieren of in (semi-)openbare gebieden. De makers van dit soort technologieën moeten alle zeilen bijzetten om zich aan te passen aan de veranderde omstandigheden. Dat lukt soms al aardig goed, als we die bedrijven mogen geloven.

Neem het Russische NtechLab, wiens technologie wordt ingezet bij ongeveer 150 duizend beveiligingscamera’s in Moskou. ‘We kunnen iemand identificeren die een bivakmuts draagt, of een medisch masker of een hoed die het voorhoofd bedekt’, stelde oprichter Artem Kuharenko in mei tegenover technologietijdschrift Wired.

Volgens Kuharenko profiteert zijn bedrijf van de ervaringen die het heeft opgedaan in Zuidoost-Azië, waar al langer maskers worden gedragen uit gezondheidsoverwegingen. De Amerikaanse douane doet een vergelijkbare claim: de gezichtsherkenning die op Amerikaanse luchthavens wordt gebruikt bij reizigers van internationale vluchten kan gemaskerde gezichten identificeren.

Nauwkeurigheid

Volgens Theo Gevers, hoogleraar Computer Vision aan de Universiteit van Amsterdam, is de nauwkeurigheid van gezichtsherkenningssystemen bij onbedekte gezichten behoorlijk hoog. In ongeveer 99 procent van de gevallen gaat het goed. Anders wordt het als gezichten (deels) worden bedekt. Snorren en baarden zijn al een uitdaging, maskers des te meer.

De nauwkeurigheid gaat in die gevallen vanzelfsprekend achteruit. Toch claimt het Chinese Hanwang Technology nog altijd een succespercentage van 95 procent te hebben. Dit bedrijf gebruikte een database met zo’n zes miljoen gezichten zónder mondkapje, in combinatie met een veel kleiner bestand van gemaskerde gezichten om het systeem te trainen. Ook het eveneens Chinese SenseTime zegt dat zijn veelgebruikte product inmiddels geschikt is om mensen met een masker op te identificeren.

De moeilijkheid bij al dit soort claims is dat ze moeilijk zijn te verifiëren, zegt Gevers. ‘Bedrijven die zeggen dat ze het probleem onder de knie hebben, kunnen best gelijk hebben. Maar ik ben pas overtuigd als de datasets en testgegevens openbaar zijn.’ Een van de problemen: de omstandigheden waaronder foto’s worden gemaakt. Die zijn in de praktijk lang niet altijd ideaal. Een slechte kwaliteit camera bijvoorbeeld, of te weinig licht. ‘Dat is sowieso al lastig voor gezichtsherkenning, maar in combinatie met gezichtsbedekking helemaal’, zegt Gevers.

De grote uitdaging is de aanwezigheid van genoeg beelden waarmee de deeplearningmodellen getraind kunnen worden. Datasets van gezichten met maskers zijn nog klein, stelt Gevers. Een manier om die datasets te laten groeien is om digitaal maskers over gezichten te plaatsen. Dit soort synthetische maskers helpen zeker bij het trainen, maar het wachten is volgens Gevers op een grote database met beelden van echte gezichten met echte maskers: ‘Pas dan kunnen we werkelijk uitspraken doen over de nauwkeurigheid.’

Naast het herkennen van specifieke gezichten is een andere toepassing in het tijdperk van de mondmaskers het detecteren óf iemand een masker draagt. In bijvoorbeeld winkels kan dat handig zijn. Voor mensen mag dit een fluitje van een cent zijn, voor computers kan het al lastig zijn om überhaupt een masker te herkennen. Een wit masker is relatief eenvoudig, anders is het met de wat creatievere maskers waarop bijvoorbeeld een mond is afgebeeld.

Combinatie

Terug naar de iPhone. Waarom gaat het hier zo lastig, terwijl die Russische en Chinese bedrijven beweren dat het herkennen van de gezichten achter maskers eigenlijk best goed gaat? Omdat een slagingspercentage van 95 procent gewoon niet genoeg is.

Apple houdt zelf een veel hoger percentage aan, tegen de 100 procent. ‘De kans dat een willekeurig persoon naar uw iPhone of iPad Pro kan kijken en deze kan ontgrendelen met Face ID is ongeveer 1 op 1.000.000’, aldus de fabrikant. Apple gebruikt een combinatie van gezichtsherkenning, infrarood en dieptemeting. Dat maakt het een stuk lastiger.

Bij de pakken neerzitten dan maar? Niet helemaal. Apple zelf probeert het leed iets te verzachten vanaf iOS 13.5. Dragers van een masker kunnen nu sneller dan voorheen naar de optie om hun toestel ‘ouderwets’ met een code te ontgrendelen. Een verrassender oplossing komt van kunstenaar Danielle Baskin. Het begon als een grap, maar zij maakt nu maskers waarop het gezicht van mensen wordt afgedrukt zodat hun iPhone wordt ontgrendeld.

Een andere, eenvoudiger, oplossing die bij sommige mensen goed werkt: maak een nieuwe opname van uw gezicht, dit keer voor de helft bedekt met een masker. De iPhone ontgrendelt dan ook als het gezicht geheel met een masker is bedekt. Maar, zo ondervond uw verslaggever, het werkt minder goed zónder masker. Misschien is dat masker van Baskin toch niet zo’n gek idee.