Binnen bedrijven die uitgebreide digitale bibliotheken beheren, wordt vaak veel tijd besteed aan het zoeken naar specifieke assets waarin een bepaald persoon voorkomt, bijvoorbeeld voor een campagne met een influencer of het in het zonnetje zetten van een werknemer in een interne nieuwsbrief. AI-ondersteunde DAM platforms zoals Bynder kunnen hier een uitkomst bieden met gezichtsherkenning, waarmee gebruikers gemakkelijk afbeeldingen kunnen vinden van de persoon die ze zoeken.

Maar wat is gezichtsherkenning precies, en hoe werkt het in een enterprise DAM? Lees hoe je de kracht van AI-gezichtsherkenning kunt gebruiken om jouw digitale assets optimaal te benutten.

Belangrijkste punten

  • Gezichtsherkenning in DAM labelt mensen automatisch in afbeeldingen. Nadat een gebruiker iemand één keer handmatig heeft getagd, zal het systeem die persoon identificeren en labelen in alle eerdere en toekomstige uploads van afbeeldingen.
  • Gezichtsherkenning heeft verschillende voordelen: het bespaart tijd voor DAM-admins, zorgt voor consistente tagging en verbetert de vindbaarheid van content met persoonlijke kenmerken.
  • Het is ideaal voor HR-managers die foto's van werknemers moeten beheren, event managers die VIP's of sprekers op evenementen moeten identificeren, of marketing managers die campagne assets coördineren waarbij merkambassadeurs of beroemdheden betrokken zijn. 

Wat is zoeken met gezichtsherkenning in DAM?

Zoeken met gezichtsherkenning in DAM is een AI-gestuurde technologie waarmee gebruikers digitale assets kunnen vinden, zoals afbeeldingen met het gezicht van een specifiek individu. Door assets automatisch te taggen wanneer gezichten worden geïdentificeerd, maakt de gezichtsherkenningsfunctie van Bynder het tijdrovende handmatig taggen overbodig. Nadat een gebruiker een persoon minstens één keer in een afbeelding heeft getagd, tagt de AI ze automatisch in nieuwe en bestaande afbeeldingen om een consistente tagging in de hele digitale bibliotheek te garanderen.

De geschiedenis van zoeken met gezichtsherkenning gaat terug tot de jaren zestig, toen Woodrow Wilson Bledsoe foto's van gezichten classificeerde met behulp van een meetsysteem dat onbekende gezichten vergeleek met data van eerder geüploade foto's1. Zestig jaar later maakt de nieuwste gezichtsherkenningstechnologie gebruik van deep learning om complexe patronen te analyseren en zo de nauwkeurigheid en efficiëntie te verbeteren. Vandaag de dag wordt het zoeken naar gezichtsherkenning gebruikt in verschillende aspecten van ons dagelijks leven, zoals het ontgrendelen van onze telefoons of het organiseren van onze foto's. Naast persoonlijk gebruik, passen organisaties gezichtsherkenning toe bij taken als het leveren van marketingcampagnes en het beheren van data van werknemers.

In de volgende paragraaf bekijken we hoe bedrijven gezichtsherkenning gebruiken om de vindbaarheid van assets in hun DAM-platforms te verbeteren.

Hoe is gezichtsherkenning geïntegreerd in ons DAM platform?

Met Bynder AI is het makkelijk om snel en precies de juiste content te vinden met de mogelijkheden van AI Search Experience. Met de oplossing voor gezichtsherkenning kun je bijvoorbeeld automatisch afbeeldingen van specifieke mensen in je DAM identificeren, taggen en vinden, wat de organisatie en vindbaarheid van mensgerichte content makkelijker maakt. 

Zo werkt gezichtsherkenning van Bynder:

  • Gezichtsdetectie: Na het uploaden scant en indexeert ons DAM-platform assets direct om gezichten te identificeren.
  • Gezichtsanalyse: Vervolgens analyseert ons DAM-platform verschillende gezichtskenmerken om unieke kenmerkvectoren te genereren. Hierbij wordt gekeken naar biometrische data zoals oogkleur, lipcontour, jukbeenstructuur en andere gezichtskenmerken.
  • Koppeling en herkenning van gezichten: Tot slot vergelijkt de zoektechnologie voor gezichtsherkenning de kenmerkvectoren met opgeslagen patronen in je DAM om automatisch mogelijke matches te identificeren of voor te stellen. Zodra alle gezichten zijn geïdentificeerd, suggereert het systeem mogelijke matches op basis van bestaande getagde personen. Je kunt deze suggesties bevestigen en gezichten koppelen aan specifieke namen, waardoor een continu leerpatroon ontstaat. Na verloop van tijd wordt dit steeds nauwkeuriger, als meer afbeeldingen de kans vergroten dat een toekomstig gezicht wordt gematcht. Door automatisch metadata toe te voegen aan jouw digitale assets, kun je genieten van directe doorzoekbaarheid in je hele digitale bibliotheek.

Ontdek de AI- en automatiseringsfuncties van Bynder. 

Use cases voor zoeken met gezichtsherkenning

Zoeken met gezichtsherkenning is een krachtige tool die voordelen kan bieden voor verschillende teams binnen je organisatie. Een mooi voorbeeld hiervan is Sauber. Als Formule 1-raceteam neemt Sauber deel aan talloze race-evenementen, waar duizenden foto's van racedagen worden gemaakt. Het uitzoeken van deze foto's om bijvoorbeeld specifieke coureurs te vinden voor promotiemateriaal en posts op social media, kan uren duren. Door de gezichtsherkenning van Bynder te gebruiken, hoeft het team van Sauber niet langer handmatig foto's één voor één te bekijken. In plaats daarvan laten ze specifieke personen in foto's eenvoudig detecteren bij het uploaden, om zo razendsnel beelden te vinden en te delen met hun enthousiaste fans. 

BDA Inc. is een ander mooi voorbeeld. Met bijna 22.000 foto's in Google Foto's, zoals headshots van werknemers, foto's van evenementen en sportlogo's, zou het medewerkers 108 uur hebben gekost om elke asset correct te taggen en op te slaan. Met de oplossing voor gezichtsherkenning van Bynder kon het project 27 keer sneller worden opgeleverd, waardoor het proces van het nauwkeurig taggen van werknemers en individuen beheersbaar en schaalbaar werd.

Zo zijn er nog veel andere gebruikssituaties voor het zoeken met gezichtsherkenning waar teams van kunnen profiteren, zoals:

  • HR-teams die op zoek zijn naar afbeeldingen van medewerkers of leidinggevenden voor awards, interne publicaties en teamdocumentatie
  • Organisatoren van evenementen die afbeeldingen van VIP's, bezoekers, sprekers en sponsorvertegenwoordigers beheren.
  • Juridische en compliance teams die het toegestane gebruik van afbeeldingen van beroemdheden of werknemers controleren.

Lees hoe Sauber Group omnichannel content-ervaringen op de racedag mogelijk maakt met Bynder AI.

Voordelen van zoeken met gezichtsherkenning in enterprise-grade DAM

Met het AI-ondersteunde DAM platform van Bynder kun je eenvoudig assets zoeken met behulp van gezichtsherkenning om de workflows in je organisatie te verbeteren. Ondernemingen met omvangrijke digitale bibliotheken kunnen nu gemakkelijk en snel assets vinden wanneer ze die nodig hebben, waardoor ze sneller op de markt kunnen komen. Hieronder een paar van de vele voordelen van het gebruik van AI-gezichtsherkenning in enterprise-grade DAM.

Verbeter de vindbaarheid van content

Zoeken met gezichtsherkenning maakt het eenvoudig om snel afbeeldingen van specifieke personen te vinden door simpelweg hun naam in te typen of een slimme filter met namen te gebruiken en daarmee te zoeken binnen alle afbeeldingen met mensen. Binnen enkele seconden kun je assets met specifieke personen vinden in enorme bibliotheken, ook als beschrijvingen of bestandsnamen inconsistent zijn of zelfs helemaal ontbreken.

Minder werk voor de beheerder

Wanneer je assets met mensen uploadt naar je DAM, identificeert deze functie automatisch gezichten. Zodra een gezicht is gedetecteerd, hoeven DAM-beheerders een afbeelding maar één keer te taggen, waarna gezichtsherkenning automatisch bestaande en alle nieuw geüploade assets met die persoon in het DAM tagt. Deze automatisering vermindert tijdrovende handmatige tagging, en behoudt consistente naamgevingsconventies in grote assetbibliotheken. Hoe meer digitale assets je uploadt naar je Bynder DAM platform, hoe groter de kans dat een toekomstig gezicht wordt gematcht. Gebruikers kunnen naamsuggesties bevestigen bij het uploaden, waardoor een continu leerpatroon ontstaat dat de nauwkeurigheid in de loop van de tijd verbetert en ervoor zorgt dat assets altijd correct worden getagd en georganiseerd.

Contentmanagement verbeteren

Een ander voordeel van de gezichtsherkenningsfunctie van Bynder is dat er minder fouten gemaakt worden en alle digitale assets consistent getagd worden. Met een consistente tagging in je bibliotheek is het eenvoudiger om assets te beheren en de compliance te handhaven door ervoor te zorgen dat afbeeldingen met vervaldatums correct worden gebruikt. Dit helpt bij het onderhouden van een goed georganiseerde digitale bibliotheek die het gemakkelijk maakt om de content te vinden die je nodig hebt.

Ontdek hoe Lucid Motors de AI-zoekmogelijkheden van Bynder gebruikt om content sneller te bewerken.

De ROI op content verhogen

Grote organisaties hebben soms uitgebreide digitale bibliotheken, met duizenden assets. Als deze niet goed georganiseerd zijn, kunnen waardevolle assets gemakkelijk verloren gaan zonder dat er optimaal gebruik van wordt gemaakt. Gezichtsherkenning maakt het makkelijker om assets te vinden, waardoor gebruikers ze vaker kunnen hergebruiken en minder hoeven uit te geven aan nieuwe content. Teams kunnen snel assets vinden voor omnichannel marketing voor social media campagnes, blogs, e-mail en advertenties. Zo wordt de productie van content versneld voor een snellere time-to-market en de ROI op content verhoogd. Gezichtsherkenning helpt teams daarnaast om assets efficiënter te beheren, waardoor ze er minder tijd aan hoeven te besteden. Zo kunnen ze zich richten op belangrijkere taken, terwijl AI het zware werk voor ze doet.

Haal meer waarde uit jouw content: Hoe zoeken met gezichtsherkenning in DAM jouw ROI verhoogt

Het AI-ondersteunde digital asset management platform van Bynder beschikt over gezichtsherkenning om het organisaties gemakkelijk te maken enorme digitale asset bibliotheken te beheren. De gezichtsherkenningsfunctie van Bynder helpt de ROI op content te verhogen door het sneller, eenvoudiger en slimmer te maken om digitale assets in de hele onderneming te vinden, te hergebruiken en te beheren. Het resultaat? Een hoger rendement op elke euro die je uitgeeft aan het maken of licenseren van content.

Gezichtsherkenning is een van de vele AI-gebaseerde DAM-functies om je workflow te verbeteren. Boek vandaag nog een demo om te zien hoe AI Search Experience functies als Tekst-in-afbeelding zoeken, Natural Language Search (NLS), Spraak-naar-tekst, Duplicaat Manager, Gelijkenis zoeken en Zoeken op afbeelding helpen om assets gemakkelijk te organiseren en te ontdekken.

Bekijk hoe jouw organisatie de gezichtsherkenningsfunctie van Bynder kan gebruiken.

Referenties

Klosowski, Thorin. Facial Recognition Is Everywhere. Here’s What We Can Do About It. New York Times. Jul. 15, 2020. https://www.nytimes.com/wirecutter/blog/how-facial-recognition-works/