Ansigtsgenkendelse

Ansigtsgenkendelse benytter karakteristika ved det menneskelige ansigt til at verificere eller identificere personer. Teknologien bliver typisk brugt til at overvåge offentlige steder samt til logisk og fysisk adgangskontrol. Ansigtsgenkendelse spiller på nuværende tidspunkt en relativt stor rolle på det globale marked for såkaldt 1:N (én til mange) identifikation. 1:N identifikation er den type af identifikation, der anvendes til at identificere en person blandt en gruppe af registrerede personer. Ansigtsgenkendelse bliver derfor ofte brugt i situationer, hvor der i forvejen er opsat kameraer. Teknologien anvendes dog også til såkaldt 1:1 verifikation, hvor ens karakteristika kun sammenholdes med data fra én registreret bruger. Denne anvendelse af teknologien vil for eksempel kunne findes i PDA’er, laptops og lignende samt i forbindelse med automatiseret grænsekontrol.

Ansigtet er for det menneskelige øje den vigtigste kilde til identifikation af de personer, vi er sammen med. Biometriske teknologier baseret på ansigtsgenkendelse ”ser” typisk det menneskelige ansigt som ca. 80 forskelligartede orienteringspunkter – for eksempel afstanden mellem øjnene, næsens bredde, øjen-hulernes dybde, kindben, kæbelinje og hage. Disse orienteringspunkter bliver målt, og der bliver derudfra skabt en kode bestående af en lang række tal, som udgør en digital beskrivelse af ansigtet.

Et videoovervågningssystem med ansigtsgenkendelse gennemsøger konstant det pågældende område for ansigter. Når et ansigt kommer til syne, registres det på en brøkdel af et sekund. I denne del af identificeringsprocessen opererer kameraet med en relativt lav opløsning. Men så snart et ansigt er identificeret, slår systemet over til optagelse med høj opløsning. Herefter bestemmes ansigtets størrelse og positur. Det er afgørende, at ansigtet er drejet i kameraets retning, men typisk vil systemet acceptere en vinkel på maksimalt 35 grader. Herefter foregår der en såkaldt ”normalisering” af billedet, så det, på trods af at det er filmet fra en bestemt afstand og vinkel, bliver konverteret til en standardiseret form. Dette billede bliver nu transformeret til en unik digital kode – en ”template” –, der gør det muligt at sammenligne den med de data, der allerede er registreret i en database. Hvis denne digitale kode ligger tilstrækkeligt tæt på en kode, som er registreret i databasen, vil computeren komme op med et match. Hvis ansigtsgenkendelsesteknologien bliver anvendt i forbindelse med overvågning, vil resultatet af dette match typisk blive gennemset af en operatør for at sikre, at de to digitale koder, som computeren har identificeret som ens, nu også tilhører den samme person.

Styrker og svagheder ved ansigtsgenkendelse
Ansigtsgenkendelse har en række styrker, som gør, at teknologien allerede har vundet vid udbredelse. For det første kan ansigtsscanning gennemføres uden fysisk kontakt. Dette gør teknologien velegnet til over-vågning og til applikationer på steder, hvor der stilles hygiejniske krav om at undgå berøring. For det andet kan ansigtsgenkendelse udnytte allerede eksisterende kameraer og vil derfor i mange henseender være en relativt billig teknologi at implementere. Endelig kan ansigtsgenkendelse indlæse brugere fra stillbilleder, hvilket blandt andet gør teknologien kompatibel med store databaser med ansigtsbilleder.
Ansigtsgenkendelse har dog også en række svagheder. Teknologien kan for eksempel have vanskeligt ved at genkende ansigter over afstand og under forskellige lysforhold. Herudover kan ændringer af frisure, skæg og hovedbeklædning reducere systemets evne til at fortage sammenligninger. Kvaliteten af ansigtsgenkendelse varierer desuden på tværs af personers etniske baggrund, fordi algoritmerne kan være udviklet og testet på bestemte befolkningsgrupper. Endelig er der en betydelig risiko for, at ansigtsgen-kendelse kan blive misbrugt til at overvåge personer uden deres samtykke eller viden.

Trends
I dag bliver ansigtsgenkendelse primært baseret på 2D-billeder. Dette vil dog formentligt ændre sig, da der bliver forsket intensivt i at udvikle teknologier til 3D-ansigtsgenkendelse. 3D-ansigtsgenkendelse vurderes på sigt at have et stort potentiale på grund af en langt højere præcision end de nuværende teknologier baseret på 2D. 3D-sensorer er dog på nuværende tidspunkt både meget dyrere og langsommere end 2D-sensorer. Endvidere er de nuværende 3D-modeller forholdsvis sarte og skal kalibreres med jævne mellemrum for at bevare deres præcision.

En anden trend er at kombinere ansigtsgenkendelse med hudteksturanalyse. Sidstnævnte teknologi konverterer linjer, mønstre og tydelige områder i personens hud til en matematisk kode, der anvendes til at genkende registrerede brugere. Det anslås, at hudteksturanalyse kan forbedre nøjagtigheden af traditionel ansigtsgenkendelse med 20-25 procent.