Så ska datorn lära sig att hitta terrorister

Automatisk ansiktsigenkänning är på väg att bli ett viktigt verktyg för polisen. Inom ett halvår ska tekniken hjälpa utredarna att sålla fram intressanta bilder från övervakningskameror.

Publicerad
Jörgen Ahlberg, docent i datorseende vid Linköpings universitet, testar en programvara som läser av hans ansikte. Datorn drar slutsatsen att han är: man, 46 år och mer glad än ledsen.
Bild: Björn Stafsted

I slutet av maj greps en man i den brittiska staden Cardiff efter att ha blivit identifierad av en kamera försedd med automatisk ansiktsigenkänning. Det var första gången tekniken ledde till ett gripande i Storbritannien. Där har polisen under det senaste året gjort flera försök med tekniken vid stora evenemang.

Men övervakningen möts även av protester. Kritikerna menar bland annat att polisens användning av ansiktsigenkänning är olaglig och att tekniken har brister.

Men tekniken är hur som helst på frammarsch och även i Sverige testar polisen att identifiera brottslingar genom att låta datorn matcha bilder från till exempel övervakningskameror mot en databas med kända brottslingar.

– Utvecklingen går väldigt fort. Datorsystemen är i dag ungefär lika bra som människor på att känna igen en person, säger Jörgen Ahlberg, docent i datorseende vid Linköpings universitet.

Han har lett ett nyligen avslutat projekt om hur ansiktsigenkänning kan användas inom svensk polis, i samarbete med polisen, Nationellt forensiskt centrum, Totalförsvarets forskningsinstitut och företaget Visage Technologies, där Jörgen Ahlberg är medgrundare.

I första hand kommer tekniken att hjälpa polisens utredare att sålla i stora bildmaterial. I dag måste polisens utredare titta igenom timtals med videofilmer på jakt efter en misstänkt. Där kan i stället ett system med ansiktsigenkänning göra en första genomgång.

– Vi kan be systemet välja ut de mest troliga bilderna, vilket gör att vi kan spara mycket tid, säger Philip Engström, chef för bild- och ljudgruppen på Nationellt forensiskt centrum.

Ett annat vanligt problem som utredarna brottas med är att avgöra om en misstänkt person är densamma som på en bild från en övervakningskamera. Sådana bedömningar görs i dag manuellt av erfarna utredare. Men med datorns hjälp kan jämförelsen bli säkrare.

– Mjukvaran ser andra mönster än en människa och kan direkt jämföra en bild med miljontals andra. Ett exempel är delvis maskerade ansikten där en människa har väldigt svårt att dra slutsatser, medan en mjukvara kan hitta likheter som är så statistiskt ovanliga att det ändå ger en matchning, säger Philip Engström.

Efter att ha testats internt tror han att ansiktsigenkänning kan börja användas i utredningsarbetet inom något halvår.

Däremot är det än så länge inte aktuellt att, som i Storbritannien och en del andra länder, använda tekniken för övervakning av gator och torg. Förutom legala och etiska frågetecken finns även tekniska.

– Tekniken är ännu inte mogen. Även om den hela tiden blir bättre så är den inte hundraprocentig och det räcker med en liten felprocent för att det snabbt ska bli massor av falsklarm. Då sjunker förtroendet för systemet och ingen vill använda tekniken, säger Jörgen Ahlberg.

Problemet är inte bara att oskyldiga personer kan pekas ut som brottslingar. Det är också svårt för kameran att fånga ansiktet på alla människor som till exempel strömmar förbi på en tågstation. Det går också att gömma sig under en keps. Utvecklingen går därför mot att kombinera ansiktsigenkänning med andra kännetecken som klädsel, frisyr, längd och gångstil.

Mycket forskning pågår även för att tolka olika beteenden. En kamera skulle då kunna upptäcka och larma om personer som uppför sig på ett misstänkt sätt, till exempel en ficktjuv som rör sig i ett visst mönster på en järnvägsstation.

Men övervakningen måste balanseras mot den personliga integriteten. Nästa år kommer nya EU-regler om kameraövervakning som bland annat ska skärpa kraven vad gäller biometrisk information.

Jörgen Ahlberg vill se system som använder sig av data som inte kan kopplas till en viss person.

– Säg att det går förbi en lång kille med gul skjorta. Vi har ingen aning om vem det är och om det inte är honom vi letar efter så kan vi ersätta hans ansikte med ett neutralt ansikte.

Av Marie Alpman

Teknik på stark frammarsch

Ansiktsigenkänning för identifiering används och testas inom många områden, till exempel i mobiltelefoner, vid inpassering på företag, banker, kasinon, tågstationer och flygplatser.

I kinesiska Macao har bankomater utrustats med ansiktsigenkänning för att bland annat motverka penningtvätt.

Sociala nätverk som Facebook använder tekniken för att automatiskt tagga personer på foton.

Datorn söker efter egna kännetecken

Tidiga system för ansiktsigenkänning analyserade ansiktets geometri, till exempel avståndet mellan ögonen och munnens placering.

På senare år har en gren av artificiell intelligens som kallas djupinlärning, deep learning, lett till en enorm förbättring av träffsäkerheten.

Djupinlärning bygger på att datorn lär sig känna igen ansikten genom att träna på ett mycket stort antal kända bilder.

Algoritmerna letar efter gemensamma drag och kan till slut känna igen en okänd bild.

Bilderna bearbetas i ett stort nätverk med noder på många olika nivåer eller djup, därav namnet djupinlärning.

Publicerad

Upptäck F&F:s arkiv!

Se alla utgåvor