Gezichtsherkenning en mondkapjes: Hoe algoritmes zich hebben aangepast
Stel je voor: je staat bij de supermarkt, je wilt snel een broodje halen. Je draagt een mondkapje. De camera bij de deur scant je gezicht, en ploep: de deur gaat open.
Geen pasje, geen QR-code. Dat is de wereld van vandaag.
Maar hoe werkt dat eigenlijk? Hoe herkent een machine je als je gezicht voor de helft bedekt is?
Dit is niet zomaar toverij. Het is slimme technologie die razendsnel is bijgespijkerd. Wij duiken in de keuken van deze algoritmes en laten je zien hoe ze het flikken.
Veel mensen dachten dat mondkapjes een einde zouden maken aan gezichtsherkenning. Dat was even paniek voor de industrie.
Want als je neus en mond onzichtbaar zijn, hoe weet de software dan dat jij het bent? Het antwoord ligt in de details. Ogen, wenkbrauwen, de vorm van je voorhoofd, de stand van je oren. Algoritmes zijn nu getraind om te kijken naar wat wél zichtbaar is.
Ze zijn slimmer geworden. En dat heeft impact op jouw privacy.
Wat je nodig hebt om dit te begrijpen
Je hebt geen data-science diploma nodig. Alleen een beetje nieuwsgierigheid en je gezonde verstand.
Denk aan de situaties waarin je zelf gezichtsherkenning tegenkomt. Bijvoorbeeld bij de app van je bank die je identiteit checkt, of bij een smart lock op je voordeur. Ken je de merken? Kijk eens naar systemen als Clearview AI of de software die Clear (van de vliegvelden) gebruikt.
Of de gezichtsscanner in de nieuwste Samsung telefoons. Dat is de wereld waar we het over hebben.
Denk niet: "Ik heb toch niets te verbergen". Denk: "Ik wil zelf bepalen wie mij herkent."
Wees je bewust van de context: dit gaat over herkenning in het wild, niet in een lab.
De basis is je kennis van je eigen data. Welke foto’s staan er op Instagram? Welke beelden liggen er bij de gemeente?
De algoritmes halen hun kennis uit openbare bronnen. Hoe meer er van jou online staat, hoe makkelijker ze je vinden, ook met een mondkapje op. Dat is de ongemakkelijke waarheid.
Stap 1: De basis van gezichtsherkenning
Laten we beginnen bij het begin. Een algoritme is geen mens.
Het ziet geen gezicht, het ziet een kaart van punten. Stipjes op een grid. De afstand tussen je ogen, de boog van je wenkbrauw, de diepte van je oogkassen.
Vroeger, zo’n 5 jaar geleden, had het systeem deze punten nodig: ogen, neus, mond. Drie hoofdpunten. Als je mond bedekt was, faalde de herkenning direct.
De foutmarge was groot. Systeemherstel duurde soms wel 5 seconden.
Te lang voor een betaalterminal. Tegenwoordig gebruiken systemen zoals die van NEC (NeoFace) of Rank One Computing een andere aanpak. Ze zijn getraind op miljoenen foto’s van mensen met mondkapjes. Ze zoeken nu naar 80 tot 100 unieke punten in het zichtbare deel van je gezicht.
Denk aan de vorm van je jukbeenderen. Dat is bij iedereen anders.
De software leert: "Oké, de mond is weg, maar de ogen en het voorhoofd hebben een specifieke structuur." Je kunt dit zelf testen. Pak een oude foto van jezelf zonder bril.
Houd die naast een selfie met bril en mondkapje. Kijk naar de ruimte tussen je ogen en je wenkbrauwen.
Dat is je "geometric fingerprint". Dat is wat de machine nu gebruikt. Het is alsof je iemand herkent aan zijn loopje, ook als je zijn gezicht niet ziet.
Stap 2: De algoritmes trainen met maskers
Hoe leer je een machine iets wat hij nog nooit heeft gezien? Je geeft hem data. Veel data.
In 2020 en 2021 hebben bedrijven hun databases aangevuld met specifieke trainingssets.
Denk aan de "Masked Face Recognition (MFR)" datasets. Deze bevatten tienduizenden foto’s van bekende gezichten mét en zonder mondkapjes. Ze hebben de software letterlijk geleerd: "Kijk naar de bovenkant, negeer de onderkant." Ontdek hoe een foto de gezichtsherkenning kan foppen.
Een veelgemaakte fout is denken dat de software de mond probeert "weg te rekenen". Dat klopt niet. De software negeert de data die niet betrouwbaar is. Het filtert de mondkapjes als ruis eruit. Het vergelijkt de zichtbare delen met de originele, ongemaskerde foto in de database.
De kans op een match wordt berekend op basis van de overeenkomsten die wél tellen.
Soms is 60% overlap genoeg als de andere 40% simpelweg ontbreekt. De training gaat 24 uur per dag door.
Bedrijven als Clearview AI claimen databases van miljarden afbeeldingen te hebben. Ze gebruiken die om de "marge van fouten" te verkleinen. Ontdek hoe AI-gezichtsherkenning op een beveiligingscamera werkt wanneer er gezichten met mondkapjes worden gescand. Het is een vicieuze cirkel van data verzamelen en verbeteren.
Stap 3: Werken met de beperkingen (De "Bounding Box")
De software maakt een denkbeeldig kader om je hoofd, een "bounding box". Vroeger moest die box perfect uitgelijnd zijn op de ogen, neus en mond.
Nu is die box groter. De software zoomt in op de delen die scherp zijn. Als jij een asymmetrisch mondkapje draagt (een die scheef zit), maakt de AI een inschatting van de gemiddelde symmetrie van je gezicht.
Een concrete stap voor jou: als je een gezichtsherkenningssysteem gebruikt (bijvoorbeeld bij een toegangspoort), kijk dan recht vooruit. Niet schuin. Niet omhoog.
De hoek is cruciaal. De software projecteert je gezicht nu op een 2D-oppervlak, terwijl het eigenlijk 3D is. Door de maskers is die projectie moeilijker.
Rechtvooruit kijken maximaliseert de zichtbare oppervlakte van je voorhoofd en ogen. Veelgemaakte fout: Je hoofd draaien terwijl je een mondkapje op hebt. Doe dit niet.
De software verliest dan de referentiepunten. De tijd die nodig is om te herkennen springt van 0,5 seconden naar 3 seconden of meer.
Blijf stil staan, kijk in de lens.
Stap 4: Privacy en de ethische valkuilen
Hier wordt het spannend. Omdat de software nu traint op gezichten met mondkapjes, is de kans op "false positives" (een verkeerde match) iets gestegen.
Zeker bij lage kwaliteit camera’s. Stel je voor: jij loopt langs een camera bij de Action.
De software denkt dat jij iemand anders bent. Wie is er dan verantwoordelijk? Jij of de systeemeigenaar? De Nederlandse privacywet (AVG) is hier streng op.
Een bedrijf mag niet zomaar biometrische data van jou verwerken zonder expliciete toestemming.
Toch doen veel slimme deursloten (zoals die van Nuki of Yale) dit wel. Ze gebruiken "liveness detection". Dat betekent dat ze checken of het een echt gezicht is en geen foto.
Ze weten nu ook dat een mondkapje echt is en geen plaatje. Een concrete actie voor jou: controleer de privacy-policy van de app die je gebruikt.
Zoek naar woorden als "face template" of "biometric hash". Weet je data opgeslagen lokaal (op je telefoon) of in de cloud? Lokaal is veiliger.
In de cloud loop je risico op datalekken, zeker nu bedrijven hun databases moeten updaten om mondkapjes te herkennen.
Stap 5: De toekomst van herkenning
De technologie stopt niet bij mondkapjes. We gaan naar een tijdperk van "perimeter security".
Systemen die je al herkennen voordat je de deur nadert. Ze combineren gezichtsherkenning met looppatronen.
Zoals de technologie van de Chinese gigant Hikvision of Dahua, die nu ook in Europa gebruikt wordt. Ze weten wie je bent zonder dat je ook maar één seconde stil hoeft te staan. Wat betekent dit voor jou?
Dat anonimiteit in de publieke ruimte steeds moeilijker wordt. Door de ethiek van gezichtsherkenning in ogenschouw te nemen, zien we dat algoritmes zo goed zijn geworden dat ze je herkennen aan je jas, je tas, je houding.
En ja, ook zonder mondkapje. De mondkapjes-periode was vooral een test. Een stress-test voor de industrie. En ze zijn geslaagd.
De vraag is niet meer "kan het?", maar "willen we dit?". Jij bepaalt wat je deelt. Gebruik je privacy-rechten.
Vraag bedrijven welke data ze van je hebben. Wees kritisch.
Verificatie-checklist
- Check je eigen online aanwezigheid: Hoeveel publieke foto’s heb je online? Verwijder oude profielfoto’s op social media als je niet wilt dat AI ze gebruikt.
- Test je slimme slot: Draag een mondkapje en een bril. Werkt de herkenning nog? Zo niet, update dan de instellingen of schakel over naar een vingerafdrukscanner.
- Lees de kleine lettertjes: Weet je of de camera’s bij jou in de buurt (winkel, station) gezichtsherkenning gebruiken? Vraag ernaar bij het management.
- Gebruik "Liveness Detection": Zorg dat je camera "beweging" ziet. Knipper met je ogen of beweeg je hoofd lichtjes als de camera je scant. Dit voorkomt dat een foto van je gebruikt kan worden.
- Overweeg alternatieven: Is gezichtsherkenning nodig? Een goede ouderwetse pas of vingerafdrukscanner is vaak veiliger en net zo snel.