Het zal nog een technische uitdaging worden om het gezichtsherkennings-experiment van RET tot een goed einde te brengen. Dat voorspellen verschillende biometrie-deskundigen. Het Rotterdamse openbaarvervoerbedrijf wil deze vorm van biometrie het komende half jaar gebruiken om reizigers met een OV-verbod te herkennen wanneer zij de tram instappen.
Voor alle biometrie geldt dat je kunt instellen welke mate van overeenkomst nodig is om het systeem te laten besluiten dat er een match is.
Associate professor Raymond Veldhuis van de Signals and Systems groep aan de Universiteit Twente noemt het een 'uitdaging' om een gezichtsherkenningsapplicatie zo in te richten dat niet te veel reizigers ten onrechte worden aangemerkt als persoon met een OV-verbod, of andersom: dat personen met een OV-verbod niet worden herkend.
Petjes, mutsen en zonnebrillen
Dat heeft te maken met de kwaliteit van de beelden: 'De belichting moet redelijk gelijkmatig zijn, zonder al te veel schaduwen. Anders laten de meeste gezichtsherkenningssystemen het afweten. Dat doen ze ook als de opnamen niet voldoende frontaal zijn, maar bijvoorbeeld schuin van boven of opzij.'
'Verder zijn de meeste systemen ook gevoelig voor expressies, dus iemand die een gekke bek trekt wordt vermoedelijk ook niet herkend. Petjes, mutsen en zonnebrillen maken het ook al niet gemakkelijker. '
Opvangen van fouten
Directeur Max Snijder van de European Biometrics Group denkt dat het instellen in principe wel mogelijk moet zijn, maar dat het succes staat of valt met 'hoeveel men in het project wil investeren. Alle details moeten kloppen. Eén zwakke schakel en er ontstaan direct problemen die direct invloed hebben op de operatie. En die laat niet veel ruimte voor het opvangen van fouten.'
'Ik vraag me wel af hoe deze pilot geëvalueerd gaat worden', voegt Veldhuis daaraan toe. 'Is er vooraf getest? Gaat iemand alle beelden bekijken en vergelijken met foto's om te zien of het systeem een goede beslissing heeft genomen? Anders weet je namelijk nooit hoeveel ongewenste passagiers toch toegelaten zijn.'
Politie
Daarnaast is het volgens Veldhuis belangrijk dat de privacy van reizigers goed wordt beschermd: 'De reizigers moeten worden geïnformeerd, de beelden mogen alleen gedurende beperkte tijd worden opgeslagen en het doel van opslag mag alleen herkennen van ongewenste reizigers en opsporing zijn.'
'Belangrijk is dat het systeem niet toegankelijk wordt gemaakt voor derden', zegt ook Snijder. 'Bijvoorbeeld voor de politie, die wellicht de camerabeelden danwel de lijst van personen met een OV-verbod zou willen raadplegen voor andere doeleinden. Denk aan het volgen van veelplegers, het zoeken of volgen van bepaalde personen. Dat zou het systeem een verlengstuk van de politie maken, waarmee het primaire doel voorbij wordt gestreeft.'
Proef van half jaar
De gezichtsherkenningscamera's scannen iedereen die de tram binnenkomt op zo'n negentien gezichtskenmerken. Op het moment dat de camera's een match vinden tussen de gezichtskenmerken van een passagier en die van een OV-verboddrager, krijgt de trambestuurder een signaal te horen. Hij informeert vervolgens de conducteur, die aan de hand van de foto's en gegevens van de OV-verboddragers kan vaststellen of er daadwerkelijk een OV-verboddrager in de tram zit.
De proef, die ongeveer een half jaar duurt, wordt uitgevoerd op een van de drie tramlijnen waarop het OV-verbod geldt en kost twee ton, waarvan het ministerie van Binnenlandse Zaken en Koninkrijksrelaties de helft betaalt.
Quote: ‘Ik vraag me wel af hoe deze pilot geëvalueerd gaat worden’, voegt Veldhuis daaraan toe. ‘Is er vooraf getest? Gaat iemand alle beelden bekijken en vergelijken met foto’s om te zien of het systeem een goede beslissing heeft genomen? Anders weet je namelijk nooit hoeveel ongewenste passagiers toch toegelaten zijn.’
Heel simpel: je test het door alleen een aantal testpersonen in de database te stoppen. Vervolgens laat je die testpersonen op vooraf willekeurig gekozen tijdstippen en plaatsen instappen. Het systeem hoeft geen waarschuwing te geven, alleen te loggen als er een match is gedetecteerd. De matchdrempel wordt gedurende de testperiode laag ingesteld, zodat de kans op gemiste matches laag is.
Achteraf vergelijk je de logbestanden met het testschema. Iedere instap die te weinig is geregistreerd is een false reject/mismatch, ieder instap die te veel is geregistreerd is een false accept/match. Die laatste zijn het vervelendst, want je wil vooral onterechte beschuldigingen zien te voorkomen. Nu kan worden vastgesteld bij welke match-drempel er niet of nauwelijks false accepts voorkomen.
Vervolgens kijk je dan tot welk percentage false mismatches dit zal leiden. Als dat percentage te hoog is blaas je de proef af en stopt het project, als het acceptabel is kan je besluiten door te gaan.
Wat zou men acceptabel vinden? Iets van 20% gemiste matches lijkt me redelijk.
Resteert nog 1 probleem: de mensen met een verbod zullen zeer snel leren hun gezicht tijdens het instappen af te wenden of af te schermen en dan nooit worden gedetecteerd.