Een kleine groep mensen vergeet nooit een gezicht. Deze “superherkenners” herkennen iemand jaren later terug, zelfs op korrelige beelden of bij veranderde kapsels. Nieuw onderzoek legt uit hoe zij dat doen en wat organisaties ermee kunnen. Dat is actueel in Europa, waar de AI‑verordening en de AVG grenzen stellen aan gezichtsherkenning met algoritmen in politie, overheid en bedrijven.
Zo herkennen zij gezichten
Superherkenners scoren in de top van speciale geheugentests voor gezichten. Zij koppelen losse details aan het totale plaatje van een gezicht. Dat heet holistische verwerking: het gaat om verhouding en samenhang. Daardoor blijven mensen herkenbaar, ook als licht, hoek of mimiek verandert.
Ze kijken vooral naar de regio rond ogen, neus en wenkbrauwen. Dit deel van het gezicht verandert het minst door baardgroei of make-up. Ze negeren ruis zoals een pet of bril, en focussen op vaste ankerpunten. Zo bouwen ze een stabiel mentaal beeld op.
De strategie is traag en precies. Eerst vergelijken zij globale vorm en afstanden. Dan checken ze unieke kenmerken, zoals een asymmetrische wenkbrauw of litteken. Pas daarna trekken ze een conclusie.
Er zijn ook grenzen aan hun vermogen. Sterk gelijkende familieleden geven vaker verwarring. Vermoeidheid en tijdsdruk verlagen de score. Daarom is kwaliteitscontrole bij gebruik in de praktijk nodig.
“Superherkenners zijn mensen die beter dan 99 van de 100 anderen gezichten onthouden en terugvinden, ook onder slechte omstandigheden.”
Training helpt maar beperkt
Oefening kan iedereen iets beter maken in gezichten matchen. Toch blijft het aangeboren verschil groot. Superherkenners lopen na training nog verder uit. Voor de meeste mensen blijft de winst beperkt.
Wel zijn er werkbare gewoonten voor iedereen. Kijk rustig en systematisch, en controleer meerdere kenmerken. Beoordeel beelden onafhankelijk, zonder voorkennis over de persoon. Dat verkleint het risico op tunnelvisie.
Een algoritme is een reeks instructies voor een computer. Algoritmen voor gezichtsherkenning scannen in seconden miljoenen foto’s. Mensen zijn trager, maar vaak beter bij lastige, donkere of onvolledige beelden. Een hybride aanpak benut beide kanten.
Organisaties kunnen daarom eerst een ruwe selectie door software laten doen. Daarna beoordelen getrainde mensen de twijfelgevallen. Leg die werkwijze vast, inclusief audit en foutregistratie. Zo blijft de kwaliteit controleerbaar.
AI en privacy begrenzen inzet
Gezichtsherkenning met software is biometrie. Biometrie gebruikt lichaamskenmerken voor herkenning of identificatie. Onder de AVG zijn dat gevoelige gegevens. Dat vraagt een duidelijke grondslag, dataminimalisatie en beveiliging.
De Europese AI‑verordening verbiedt op het moment van schrijven real‑time biometrische identificatie in publieke ruimte, met smalle uitzonderingen voor opsporing. Ook komen er extra plichten voor “hoog-risico”-systemen. Denk aan risicobeoordelingen, documentatie en menselijke controle. Overheden en bedrijven moeten hun processen hierop aanpassen.
Inzet van menselijke superherkenners valt niet onder de AI‑regels, maar wel onder privacywetgeving. Het verzamelen, opslaan en delen van beelden blijft gereguleerd. Ook een “match” door een expert is geen bewijs op zichzelf. Extra verificatie en transparantie zijn nodig.
Voor Nederlandse gemeenten, OV‑beveiliging en evenementen geldt hetzelfde kader. Cameratoezicht moet proportioneel zijn en duidelijk worden gecommuniceerd. Opslagtermijnen moeten kort en doelgebonden zijn. De Autoriteit Persoonsgegevens houdt toezicht.
Politie gebruikt beide benaderingen
Europese politiekorpsen zetten superherkenners in bij het terugkijken van beelden. In het Verenigd Koninkrijk helpen zij bij het herkennen van verdachten na grote evenementen. In Duitsland werden ze ingezet rond grote demonstraties. De methode is vooral nuttig bij lage beeldkwaliteit.
AI‑tools zoals Clearview AI, die foto’s van het web scrapen, liggen in Europa zwaar onder vuur. Toezichthouders in onder meer Frankrijk, Italië en Griekenland legden boetes en bevelen op. De kern: geen rechtmatige grondslag en onrechtmatige verwerking van biometrische data. Organisaties in de EU moeten daarom terughoudend zijn met commerciële zoekmachines voor gezichten.
Een zorgvuldige politiewerkwijze combineert expertise en waarborgen. Laat superherkenners onafhankelijk werken en gebruik geblindeerde controles. Laat beslissingen nooit afhangen van één match, mens of machine. Documenteer keuzes en fouten voor latere toetsing.
Dat verkleint de kans op verkeerde identificaties. Het vergroot ook het vertrouwen bij rechter en publiek. Zo wordt technologie ondersteunend in plaats van leidend. En blijft de burger beter beschermd.
Kansen en grenzen voor Europa
De les voor beleid is nuchter: menselijk talent kan AI aanvullen, maar vervangt wetgeving niet. De AI‑verordening zet heldere grenzen aan geautomatiseerde gezichtsherkenning. De AVG verplicht tot minimale gegevensverwerking en beveiliging. Dat geeft richting aan publieke en private toepassingen.
Voor sectoren als OV, zorg en onderwijs is terughoudendheid verstandig. Kies alleen voor gezichtsherkenning als er geen alternatief is. Werk met kleinschalige pilots en een Data Protection Impact Assessment. Betrek privacy‑officers en onafhankelijke experts vroegtijdig.
Technische termen vragen duidelijke uitleg voor gebruikers. Biometrie is gevoelig, juist omdat fouten grote gevolgen hebben. Maak daarom meldpunten voor klachten en correcties. En controleer regelmatig op bias en foutpercentages.
Superherkenners laten zien wat mensen kunnen als context lastig is. Algoritmen blijven nuttig voor het snelle, brede voorwerk. Samen leveren ze betere resultaten, mits goed begrensd. Dat is de kern van verantwoord gebruik in Europa.
