Das Europäische Parlament stellte sich am 06. Oktober 2021 gegen automatisierte Gesichtserkennung und biometrische Massenüberwachung im öffentlichen Bereich. Warum spricht sich das Europäische Parlament dagegen aus? //Von Joris Hampel und Carina Laßek
Von der Entsperrung des Smartphones bis zu Patienten-Check-ins im Krankenhaus. Die Ausbreitung der Gesichtserkennung ist nicht mehr zu stoppen. Gesichtserkennung kommt mithilfe von Apps oder anderen Technologien in unzähligen Bereichen zum Einsatz. Die rasante Entwicklung der Technologie bringt sowohl Vorteile als auch Nachteile und Herausforderungen mit sich.
Neue Gesetzte zur Massenüberwachung
Um ein Verbot von Massenüberwachung zu erreichen haben sich zahlreiche zivilgesellschaftliche Organisationen aus Europa zu einer Bürgerinitiative zusammengeschlossen. Mit deutlicher Mehrheit hat sich das Europäische Parlament im Oktober 2021 gegen biometrische Massenüberwachung in der Europäischen Union ausgesprochen. Dieser Beschluss des Parlaments ist rechtlich nicht bindend, zeigt jedoch deutlich, wie das Parlament zur Massenüberwachung steht. Die Regelungen dafür werden bei bevorstehenden Verhandlungen um die Verordnung zur Regulierung von künstlicher Intelligenz festgelegt.
Klicken Sie auf den unteren Button, um den Inhalt von www.thinglink.com zu laden.
Klicken Sie auf den unteren Button, um den Inhalt von www.thinglink.com zu laden.
Was genau wird am menschlichen Gesicht eigentlich erkannt und was macht uns einmalig?
Bild via unsplash.com, Grafik: Carina Laßek
Was ist Gesichtserkennung?
Die Gesichtserkennung ist ein biometrisches Verfahren, das in der Lage ist, eine Person anhand eines beliebigen Merkmals ihres Gesichts zu identifizieren. Zu diesen Merkmalen gehören unter anderem die Gesichtsform sowie die geometrische Anordnung von Ohren, Nase, Mund und Augen. Die Gesichtserkennung prüft teilweise auch Augen- und Hautfarbe. Bei dieser Methode zur biometrischen Identifikation werden gesichtsbiometrische Merkmale und Daten überprüft und analysiert.
Funktionsweise biometrischer Verfahren
Die Biometrie ist eine Authentifizierungsmethode, die durch den Vergleich biologischer Merkmale Personen identifizieren kann. Das können neben dem Gesicht der Fingerabdruck, die Netzhaut, die Stimme oder andere biometrische Merkmale sein. Bei allen Systemen der biometrischen Erkennung ist das Grundprinzip gleich: Zunächst wird die zu erkennende Person im System, zum Beispiel am Smartphone, registriert. Dafür werden ihre biometrischen Merkmale vermessen und ins System eingespeichert. Ein Algorithmus erstellt dann aus dem Originalbild einen Datensatz, den er mit der Identität der Person in einer Datenbank, dem sogenannten Template speichert. Während die Gesichtserkennung abläuft, vergleicht der Algorithmus die Template mit den aktuellen biometrischen Merkmalen der Person. Stimmen die Merkmale zu einem bestimmten Mindestmaß überein, meldet das System die Erkennung des Nutzers.
Verwendete Verfahren in der biometrischen Gesichtserkennung
Die Forschung zur Gesichtserkennung begann im Jahr 1964, seitdem verringert sich die Fehlerquote der Technologien ständig. Das "Template-Matching" ist ein sehr häufig eingesetztes Verfahren. Das Verfahren versucht die Ähnlichkeit zwischen einem Template und einem Bild zu berechnen. Dafür werden Gesichtsregionen, wie beispielsweise Augenpartie, Mundpartie oder Nasenpartie von einem Algorithmus vorgegeben, die im Gesichtsbild gesucht werden. Diese grafischen Merkmale werden mathematisch mit den entsprechenden Bereichen des Referenzbildes kombiniert, sodass daraus eine Ähnlichkeit der Bereiche berechnet werden kann.
Beim "Elastic Bunch Graph Matching" (Elastische Graphen) werden durch grafische Analyse markante Stellen (Knoten) im Gesicht gesucht und über Linien zu einem Gittermodell verbunden. Anhand des Gittermodels eines normierten Gesichts wird das zu verarbeitende Gesichtsbild in die frontale Ansicht gedreht. Durch Verschiebung und Stauchung der Gittermodelle wird die Lage der Knoten zweier Gesichtsbilder verglichen.
Bei der Gesichtserkennung mit Hilfe "Geometrischer Merkmale" werden ähnlich wie beim "Elastic Bunch Graph Matching" markante stellen des Gesichts ermittelt. Die relative Position der Merkmale zueinander wird als Zahlenwerte in einem Vektor gespeichert. Zwischen diesem und dem Referenzbild werden dann die Abstände bestimmt.
Bei einem anderen Verfahren werden "Eigengesichter" gesammelt und so kombiniert, dass sie dem zu verarbeitenden Bild so ähnlich wie möglich sind. Das Verfahren beruht auf der Hauptkomponentenanalyse. Zuerst werden mindestens vier quadratische Grauwertbilder einer Person gesammelt. Diese müssen sich in Lichtverhältnisse und Emotionen unterscheiden. Aus den Gesichtern wird dann ein Durchschnittsgesicht gebildet, anschließend berechnet der Algorithmus für jedes Bild der Differenzwert zu dem Durchschnittsgesicht. Aus dieser Differenz werden dann die "Eigenfaces" gebildet. Um eine Person zu identifizieren, zerlegt das Verfahren das vorliegende Bild in ihre Eigengesichter-Komponente und berechnet dann die Ähnlichkeit durch einen Vektor.