Opsporing misbruik beeldmateriaal : prestaties van gezichtsherkenningssoftware

Abstract

Compromitterende foto’s van slachtoffers van happy-slapping, zedendelicten of loverboys verschijnen steeds vaker op het internet. Als de mogelijkheid bestaat om deze beelden eenvoudig op te sporen en te laten verwijderen zou dit veel leed besparen. Om dit te bereiken is het nodig dat slachtoffers goed automatisch herkend kunnen worden op dit beeldmateriaal. Dit onderzoek is een eerste verkenning van de mogelijkheden om dit voor elkaar te krijgen met behulp van gezichtsherkenningssoftware. De prestaties van drie gratis gezichtsherkenningsapplicaties zijn vergeleken en er zijn experimenten uitgevoerd met een zelf gebouwde applicatie. De prestaties van Pitt Patt Facesort, Fotobounce en Google Picasa zijn vergeleken door zoekopdrachten te geven naar personen uit verschillende fotodatabases (samen 515 foto’s). PittPatt Facesort heeft het hoogste gezichtsherkenningspercentage (88,4%) en koppelde 114 keer de verkeerde naam aan een foto. Fotobounce had het laagste herkenningspercentage (51,4%) en stelde in totaal 2108 keer een verkeerde persoon voor. Google Picasa herkende 76,9% van de gezichten zonder één keer een fout voorstel te doen. Voor alle programma’s geldt dat een hoger aantal referentiefoto’s een positieve invloed heeft op het herkenningspercentage. Ook scoorden alle drie de applicaties beter voor foto’s die genomen zijn in een gecontroleerde omgeving dan foto’s genomen in een ongecontroleerde omgeving. Daarnaast werden frontale foto’s beter herkend dan zijwaartse foto’s en scoorden overof onderbelichte foto’s ondergemiddeld, evenals foto’s van personen met een hoofddeksel of bril. In de zelf gebouwde applicatie is onderzocht of de software beter presteert als een referentiefoto van het slachtoffer aan de trainingsset wordt toegevoegd. Dit was inderdaad het geval. Het gemiddelde herkenningspercentage nam toe met 9%. De gemiddelde positie van de laatste voorgestelde foto waarop de persoon juist herkend was, nam echter ook toe, van positie 219 naar 226. Het onderzoek laat zien dat de onderzochte software zeker in staat is gezichten van personen te herkennen en terug kan vinden in een database. De applicaties scoren echter niet goed in ongecontroleerde omgevingen; iets wat wel belangrijk is voor de toepassing bij compromitterende foto’s van slachtoffers. Omdat een toename in het aantal referentiefoto’s een positief effect heeft op het herkenningspercentage, wordt aangeraden om meerdere foto’s van het slachtoffer te nemen en te gebruiken voor de zoekopdracht. Als het mogelijk is zouden deze foto’s ook aan de trainingsset toegevoegd moeten worden. Verder onderzoek moet uitwijzen of het toevoegen van zijwaartse foto’s de prestaties voor de herkenning van zijwaartse foto’s verbetert. Voor de uiteindelijke toepassing is het ook belangrijk om onderzoek te doen naar het doorzoeken van het internet in plaats van een (kleine) fotodatabase met de gezichtsherkenningssoftware.