Gesichtserkennung mit künstlicher Intelligenz


Die Gesichtserkennung unterscheidet zwei verschiedene Fälle der Erkennung: 1.) Ob und wenn ja, wo ein Gesicht zu erkennen ist (z. B. im Bildsucher der Kamera, mit Rahmen markiert), 2.) um welche Person es sich handelt. Die forensische und ebenso die kriminalistische und sicherheitstechnische Gesichtserkennung fokussiert sich zum Zweck der Identifikation oder Verifikation (Authentifizierung) auf natürliche Personen.

Während ein Erkennen von Personen durch einen anderen Menschen als face perception bezeichnet wird, wird bei einer Gesichtserkennung durch Maschinen von face recognition gesprochen.

Das Verfahren

Wird von der Zuordnung der Person gesprochen, handelt es sich im forensischen Sinne um eine Identifikation und Verifikation, um eine Authentifizierung von Personen. Im Gegensatz dazu ist die Gesichtsdetektion abzugrenzen, die nur eine Lokalisierung eines Gesichtes im Bild / Videobild vornimmt.
Die in technischem Zusammenhang stehende Gesichtserkennung zählt zu den biometrischen, KI-basierten und automatisierten Diagnoseverfahren, mit der die Zuordnung zu Personen gelingt. Die Gesichtserkennung basiert dabei auf mathematischen Verfahren zur Mustererkennung und maschinellem Lernen. Deep Neural Networks (DNN) stellen den Stand der Technik bei der Analyse von Bildern dar und sind die technologische Basis des Erkennungs­verfahrens. Neuronale Netze werden mit großen Daten­mengen für eine optimale Kombination aus Erkennungsleistung und Geschwindigkeit trainiert und evaluiert.

Ausgangsmaterial

Ausgangsmaterialen für Gesichtserkennungen sind digitale Mediendateien (Bilder (2D), Videos (3D)), die bestimmte Kriterien aufweisen. Vor allem bei den dreidimensionale (3D) Verfahren der Echtzeit-Videoanalyse (Gesichtserkennung aus Videos) werden heute hohe Erkennungsgenauigkeiten erreicht, die unabhängig von (Gesichts)-Posen sind. Eine Suche erfolgt nach Gesichtern, Personen, Objekten oder Kfz-Kennzeichen. Für die Gesichts- und Personensuche werden Identitäten (Profile) angelegt, anhand derer die Identifikation und der Grad der Übereinstimmung erfolgt. Enthält eine Identität mehrere Enrollments (Zuordnungen) der gleichen Person, erhöht dies die Wahrscheinlichkeitsaussage. Hohe Scores sprechen für eine realitätsnahe Identität der Person.

Identitäten-Gesichtsanalysen
Gesichtsanalyse und Enrollments von Identitäten, Wahrscheinlichkeitsaussagen von Übereinstimmungen.

Anwendungen

Einsatzgebiete der Gesichts-, Personen- und Objekterkennung:

  • Suche von Gesichtern, Personen und Objekten in Fotografien und Videoaufnahmen,
  • Anlegen von Identitäten,
  • Zuweisung mehrerer Gesichtern in eine Identität durch Enrollments,
  • Gesichtsvergleiche mit Score-Feststellungen,
  • Vergleich von realen Gesichern mit Gemälden und Zeichnungen (z. B. Pantomzeichnungen),
  • polizeiliche Ermittlungen, Fahndungen, Strafverfolgung,
  • investigativer Journalismus,
  • historische Archive, Museen.
  • Dublettensuche (von Gesichtern) in Datenbanken (z. B. Vermeidung von Identitätsdiebstahl in Melderegistern)
  • Zutrittskontrolle zu sicherheitsempfindlichen Bereichen
  • […]

Zum Artikel Gesichtserkennung mit KI (Teil 1)
Zum Artikel Gesichtserkennung mit KI (Teil 2)
Forensik-Labor Digital Forensics Dr. Braun