Wird von der Zuordnung der Person gesprochen, handelt es sich im forensischen Sinne um eine Identifikation und Verifikation, um eine Authentifizierung von Personen. 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.

Teil 1 zeigt die Unterschiede zwischen Gesichtsdetektion und Gesichtserkennung und ordnet die Technologie den biometrischen, KI-basierten und automatisierten Diagnoseverfahren zu. Es werden typische und erweiterte Gesichtsmerkmale aufgeführt und der Einsatz von Gesichtslandmarken in der Gesichtsanalyse erklärt. Eine Erkennungsleistung in hoher Effizient erfolgt dabei in zwei Schritten.

Enrollments, Übereinstimmungen, Wahrscheinlichkeitsaussagen

Der Grad der Übereinstimmung wird in Wahrscheinlichkeiten von Übereinstimmungen ausgegeben. Enthält eine Identität mehrere Enrollments (Zuordnungen) der gleichen Person, erhöht dies die Wahrscheinlichkeitsaussage. Hohe Scores sprechen für eine realitätsnahe Identität der Person. Je mehr Bild- und Videomaterialien von einer Person vorliegen, desto besser kann eine Identität trainiert werden (optimal mindestens 100 Einzelbilder aus möglichst vielen unterschiedlichen Events).

Varianzen können das Ergebnis negativ beeinflussen. Zu benennen sind Abweichungen, die z. B. durch unterschiedliche Malstile, verschiedenartig verwendeten Materialien (Holz, Papier, Blech, Leinen etc.) und Farben (z. B. in Kunstgegenständen) entstehen. Insbesondere kann bei unterschiedlichen Malstilen ein Augenabstand Varianzen gegenüber digitalen Bildern aufweisen.

Gesichtsanalyse und Enrollments von Identitäten, Wahrscheinlichkeitsaussagen von Übereinstimmungen

Enrollments (Trainingsmaterial) nach der Gesichtsanalyse, Anzahl festgestellter Templates

Ausgangsmaterial

Ausgangsmaterialen für Gesichtserkennungen sind digitale Mediendateien (Bilder (2D), Videos (3D)), die bestimmte Kriterien aufweisen. Vor allem bei den dreidimensionalen (3D) Verfahren der Echtzeit-Videoanalyse (Gesichtserkennung aus Videos) werden heute hohe Erkennungsgenauigkeiten erreicht, die unabhängig von (Gesichts)-Posen sind. (Gesichts)-Templates enthalten die Ergebnisse der Gesichtsanalyse von stark sichtbaren Merkmalen des frontalen Kopfes, mit der eine Identifikation möglich wird. Gesichts-Templates werden nur dann zur Identifikation herangezogen, wenn sie eine bestimmte Mindestqualität erreichen. Videomaterialien ermöglichen, je nach Inhalt und Laufzeit, ein Vielfaches an Templates. Es werden geometrische Anordnungen analysiert, Textureigenschaften der Oberfläche festgestellt und Identitäten (basierend auf Trainingsdaten) ermittelt. Trainingsdaten sind nicht nur von der Maschine „auswendig gelernte“ Beispiele, sondern aufgebaute Algorithmen, aus denen ein statistisches Modell entsteht und Muster sowie Gesetzmäßigkeiten in den Trainingsdaten erkannt werden können. Damit wird es möglich, unbekannte Daten (Gesichter in neuen Bildern und Videos) zu erkennen und diese als Identität zu ermitteln und abzuspeichern.

Qualitätskriterien

Eine sehr hohe Sorgfalt bei der Auswahl der Bilder stellt eine hohe Gesichtsqualität sicher und ermöglicht höhere Wahrscheinlichkeitswerte der Untersuchungsergebnisse. Voraussetzungen für den Vergleich (digitaler) Bilder:

• Augenabstand (optimal größer als 50 Pixel),
• gleiche Kopfpositionen (ähnliche Winkel: Kopfdrehung und Kopfwinkel dürfen eine bestimmte Mindestanforderung nicht unterschreiten),
• homogene Beleuchtungs- und Farbsituation (keine Schattenwürfe im Gesicht)
• ähnliche Kontrastverhältnisse in Vorlagen (keine Über- oder Unterbelichtungen),
• identische Malstile, um Varianzen zu verringern,
• Bildlinien und Größenverhältnisse von Vorlagen sollten sich ähneln (kein Weitwinkelmotiv einer Nahaufnahme gegenüberstehen),
• gute Bildqualität (Mindestauflösung der Vorlagen sollten nicht zu gering sein, Verpixelungen, Kompressionsartefakte, Interlacing-Effekte und unscharfe Aufnahmen sind zu vermeiden),
• trapenzförmige Bildverzeichnungen beim Abfotografieren von Vorlagen vermeiden (führt zu erheblich reduzierter Erkennungsleistung).

Zusammenfassend gesagt, je ähnlicher die vorgenannten Kriterien übereinstimmen, umso besser kann ein forensischer Gesichtsvergleich gelingen.

Das forensische Gutachten

Häufig werden in forensischen (gerichtlichen) Gutachten für ein Erkennen und Zuordnen von Personen biologisch-anthropologische Vergleiche anhand von Nasen-, Augenbrauen- und Ohrenformen zur Klärung von Abstammungs- und Identitätsfragen durchgeführt. Der Rückschluss auf Identität bleibt eine Wahrscheinlichkeitsaussage, da der Identitätsnachweis eine Vielzahl übereinstimmender Merkmale verlangt.

Eventdetails: Grad der Ähnlichkeit einer Identität (Identitätsvergleich)

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)
Forensik-Labor Digital Forensics Dr. Braun