Ich werde die größten Vor- und Nachteile der Face Recognition erläutern und weiters auf die hauptsächlichen Anwendungsbereiche der Face Recognition eingehen. Dabei werde ich aufzeigen dass die Face Recognition leider noch nicht ausgereift genug ist um Personen die sich in einer Menschenmenge befinden zu identifizieren, worin aber der große Vorteil der face Recognition liegt, da sie das einzige biometrische Verfahren ist, das eine Identifikation ohne das Wissen der zu identifizierenden Person erzielt.
Face Recognition ist eine Technologie die es ermöglichen soll Personen an Hand ihres Gesichtes zu identifizieren, ohne deren Aufmerksamkeit zu erregen. Darin liegt auch der größte Vorteil der Face Recognition verglichen mit anderen biometrischen Erkennungsverfahren. Face Recognition wird zurzeit an öffentlichen Plätzen wie zum Beispiel auf Flughäfen und in Stadien eingesetzt um bekannte Verbrecher die sich in der Menschenmenge befinden zu identifizieren und zu verfolgen, um die Sicherheit an diesen Plätzen zu gewährleisten.
Gefahren durch unbewusste Identifikation
Durch die Möglichkeit Personen ohne deren Mitwissen zu identifizieren entsteht aber auch Angst in der Bevölkerung. Unbewusst identifiziert und beobachtet zu werden und damit auch die Möglichkeit zu haben jeden Schritt einer Person nachzuvollziehen lässt Kritiker aufhorchen, da dies ein weiterer Schritt hin zum "gläsernen Menschen" ist. So kann man zum Beispiel die Teilnahme an einer politischen Versammlung nachweisen, was für eine einzelne Person zur Gefahr werden kann, bzw. gezielte Manipulation ermöglicht.
Probleme der face Recognition
Probleme treten durch die ständige Veränderung des Gesichtes durch Altern oder auf Grund von Verletzungen auf. Auch die Zeit die benötigt wird um ein aufgenommenes Bild mit einer Datenbank zu vergleichen stellt bei großen Datenbanken ein Problem dar.
1. Das Problem der Gesichtsaufnahme
Das Bild einer Person muss so aufgenommen werden, dass die charakteristischen Merkmale des Gesichtes für den Computer erkennbar sind. Die Bilder einer Datenbank müssen daher aus verschiedenen Aufnahmewinkeln, unterschiedlichen Beleuchtungsarten und unterschiedlichen Gesichtsausdrücken aufgenommen werden, da alle diese Faktoren die Erkennungswahrscheinlichkeit beeinflussen.
2. Probleme durch Veränderungen des Gesichtes
Probleme treten durch die ständige Veränderung des Gesichtes einer Person auf. Durch Alter oder Verletzungen verändern sich sowohl die charakteristischen Gesichtsmerkmale selbst, als auch die Verhältnisse der Gesichtspartien. Dadurch werden die aufgenommenen Bilder mit der Zeit unbrauchbar, da sie Merkmale enthalten, die nach einiger Zeit nicht mehr charakteristisch für eine Person sind.
3. Das Problem der Identifikationszeit
Eine starke Behinderung der Face Recognition stellt die Tatsache dar dass von einer Person mehrere Vergleichsbilder in einer Datenbank gespeichert werden müssen um eine ausreichend hohe Erkennungswahrscheinlichkeit zu erzielen, was sich jedoch negativ auf die Identifikationszeit auswirkt. Daher müssen die Datenbanken eine ganz bestimmte Struktur aufweisen um erstens eine möglichst hohe Erkennungswahrscheinlichkeit zu erzielen und zweitens die Suchzeit so gering als möglich zu halten.
Von jeder Person die in eine Datenbank aufgenommen wird werden 10 Bilder in der Größe von ca. 100x120 Pixel aufgenommen, wobei jeder Pixel in 256 Graustufen angegeben wird. Bei dieser Art der Bilderfassung hat eine Datenbank die die Fotos von 40 Personen enthält eine Größe von ca. fünf Megabyte. Um ein Vielfaches größer sind dem entsprechend Datenbanken die die Bilder von Millionen von Personen enthalten. Daher werden derzeit Verfahren entwickelt mit denen Datenbanken in der Größe von mehreren Terrabyte verwaltet werden können. Hohe Anforderungen stellt daher die Überwachung einer Menschenmenge an die Technik. Durch immer größer werdende Datenbanken steigt die Suchzeit so weit an bis die Identifikation länger dauert als es bei der Suche von Verbrechern in einer Menschenmenge akzeptabel ist. Dauert zum Beispiel die Durchsuchung der Fingerabdruckdatenbank des FBI die 200 Millionen Fingerabdrücke beinhaltet schon ca. sechs Stunden. Vergleicht man nun aber die Größe eines Fingerabdruckes mit der Größe eines Gesichtes und beachtet man dass von jeder Person mehrere Bilder gespeichert werden, die im Gegensatz zu einem Fingerabdruck nicht in schwarz weiß aufgenommen werden sondern in 256 Graustufen, erhält man eine viel zu lange Suchzeit.
4. Das Problem der sicheren Datenaufbewahrung und der sicheren Wartung der Daten
Auf Grund der Größe der Datenbanken sollen die Datensätze nicht mehr auf einem zentralen Rechner, sondern an verschiedenen Plätzen in einem Netzwerk gespeichert werden. Dabei muss aber beachtet werden dass die Sicherheit der Daten nicht darunter leidet, da eine manipulierbare Datenbank die Erkennungswahrscheinlichkeit beeinträchtigt. Auch die Wartung einer solchen Datenbank ist eine zeitaufwändige und vertrauenswürdige Arbeit, die nur von geschulten und vertrauenswürdigen Mitarbeitern durchgeführt werden darf.
5. Keine ausgereifte Technik
Die Face Recognition findet derzeit noch keine so große Verwendung verglichen mit anderen biometrischen Erkennungssystemen, da sie ein relativ junges Verfahren ist das noch nicht ausgereift ist.
Fig
1 [2]:
Die Verteilung der Forschungsgelder auf dem Sektor der biometrischen
Erkennungsverfahren und deren prognostizierte Zukunft
Wie man aus dem Diagramm ersehen kann ist auch das in die Entwicklung der Face Recognition investierte Kapital verglichen mit den anderen biometrischen Verfahren mit 15% des Gesamtkapitals relativ gering.
6. Das Problem der langwierigen Prozedur der Aufnahme eines neuen Gesichtes
Soll ein neues Gesicht der Datenbank hinzugefügt werden bedeutet das einen langwierigen Prozess der aber maßgebend an der Erkennungswahrscheinlichkeit beteiligt ist. Die aufzunehmenden Bilder müssen eine ausreichende Qualität haben um die charakteristischen Merkmale eines Gesichtes eindeutig wiederzugeben. Eine höhere Bildqualität bedeutet allerdings auch wieder ein rasches Anwachsen der Datenbankgröße was wiederum zu einer längeren Identifikationszeit führt. Weiters müssen die 10 aufzunehmenden Fotos der Person eine so große Veränderungsmöglichkeit geben, dass auch bei kleineren Veränderungen wie zum Beispiel der Frisur eine Erkennung gewährleistet werden kann.
7. Fallbeispiel zur Erkennungswahrscheinlichkeit
Man nehme ein System mit einer unrealistischen Erkennungswahrscheinlichkeit von 99,99% an. Dieses weist auf 10.000 Erkennungen 1 Fehler auf. Weiters nehme man einen frequentierten Flughafen mit 10 Mio. Passagieren an was nicht zu hoch gegriffen ist, da jede Person nicht nur einmal während ihres Aufenthaltes am Flughafen gescannt wird, sondern in den verschiedenen Bereichen sicher mehrmals. Das macht bei den 10 Mio. Passagieren 1.000 Fehler. Die für solche Zwecke benötigten Datenbanken müssten also mehrere Millionen Bilder enthalten, was sowohl die Geschwindigkeit beeinträchtigen würde als auch die Fehlerwahrscheinlichkeit wesentlich erhöhen würde, da bei großen Datenbanken die Unterschiede immer kleiner und feiner werden. Daher wird es wohl noch einige Zeit dauern bis Systeme entwickelt werden die den Ansprüchen solcher Massenverarbeitung von Bildern gerecht werden.
Die Vorteile der Face Recognition
Der größte Vorteil der Face Recognition liegt darin, dass keine Interaktion mit der zu identifizierenden Person stattfindet. Das Gesicht einer Person wird mit einer Digitalkamera aufgenommen, wobei die Entfernung zum Objekt keine Rolle spielt.
Die Einsatzgebiete der Face Recognition
1. Die Suche nach Verbrechern
Der Vorteil der Face Recognition bei der Verbrecheridentifizierung liegt darin, dass eine Menschenmenge beobachtet werden kann ohne den Personen das Gefühl zu geben überwacht zu werden. Dadurch können die Überwachungsorgane nach Verbrechern fahnden, ohne das Risiko eingehen zu müssen entdeckt zu werden, was ihnen einen entscheidenden Vorteil verschafft.
2. Kontrolle der Migration eines Staates
Werden bei der Immigration einer Person schon seine biometrischen Merkmale aufgenommen, kann überprüft werden, ob sich die jeweilige Person den Auflagen entsprechend verhält und gegebenen Falls können auch rechtzeitig Maßnahmen ergriffen werden um unerwünschte Personen zu finden und aus dem land zu entfernen. Dabei ist allerdings wieder die Gefahr der totalen Überwachung wie in Punkt 1.1 beschrieben zu beachten.
3. Einsatz der Face Recognition im Bankbereich
Die Kundenidentifikation kann wesentlich beschleunigt werden und spart somit Zeit und Geld.
4. Einsatz der Face Recognition im Berufsalltag
Mitarbeiter einer Firma ersparen sich langwierige Anmeldeprozeduren. Auch der Betrug in punkto geleisteter Arbeitszeit kann unterbunden werden, da eindeutig feststellbar ist, wie lange sich welcher Mitarbeiter in der Firma aufgehalten hat.
5. Verminderung der Kindesentführungen
Werden Personen die Kinder nach Unterrichtsschluss abholen identifiziert, kann die Sicherheit der Kinder besser gewährleistet werden und somit die Anzahl der Kindesentführungen reduziert werden.
6. Identifizierung wahlberechtigter Personen
Mit Hilfe der Face Recognition kann der Wahlbetrug insofern eingedämmt werden, als dass Personen die zu einer Wahl gehen vorher eindeutig identifiziert werden können, und damit eine mehrmalige Wahlbeteiligung ausgeschlossen werden kann.
7. Erkennung von gefälschten Führerscheinen
In den U.S.A. läuft zurzeit ein Pilotprojekt das verhindern soll dass eine Person mehrere Führerscheine verwendet. Dazu wird da Gesicht eines Lenkers aufgenommen und mittels eines von der Firma Visionics entwickelten Algorithmus mit einer Datenbank der Polizei verglichen. Tritt nun dasselbe Gesicht mehrmals auf so werden Ermittlungen in die Wege
geleitet[1].
Verschiedene Verfahren im Einsatz bei der Face Recognition
Die Technik der Face Recognition beruht darauf ein Bild eines Gesichtes aufzunehmen und charakteristische Merkmale herauszuexzerpieren um sie anschließend mit einer Bilddatenbank zu vergleichen. Zur Bestimmung charakteristischer Merkmale werden verschiedene Verfahren angewendet die auf verschiedenen Algorithmen basieren.
1. Die Methode der "Eigenfaces"
Die Methode der "Eigenfaces" zum Beispiel beruht auf der zweidimensionalen Graustufenskalierung eines Bildes, welche die charakteristischen Merkmale eines Gesichtes aufzeigt. (Fig. 2)
Fig.
2 [2]: Die Grauskalierung eines Gesichtes bei der Methode der "Eigenfaces"
2. Die Methode der "Neural Network Technology"
Die "Neural Network Technology" verwendet einen Algorithmus der Gesichtsmerkmale des Bildes in der Datenbank und des aufgenommenen Bildes miteinander vergleicht und bei Übereinstimmung eine positive Wertung abgibt. Je besser nun die Wertung eines Bildes ausfällt, umso höher ist die Wahrscheinlichkeit der Übereinstimmung der beiden aufgenommenen Personen. Theoretisch können mit dieser Vergleichsmethode gerade bei schwierigen Aufnahmebedingungen besser Ergebnisse erzielt werden als mit anderen Algorithmen. Wie die meisten Methoden ist die "Neural Network Technology" sowohl bei der Identifizierung als auch der Verifizierung einsetzbar.
3. Die Erkennung mit der "Local Feature Analysis" Methode
Die "Local Feature Analysis" Methode untersucht sowohl charakteristische Merkmale eines Gesichtes, als auch deren Lage zueinander. Dadurch können kleine Veränderungen des Gesichtes korrigiert werden. Entspricht zum Beispiel eine leichte Veränderung der Mundwinkel gleichzeitig einer veränderten Position des Mundes relativ zu anderen Merkmalen des Gesichtes. Da diese Methode nicht das gesamte Geicht zur Identifizierung benötigt können Winkelunterschiede bei der Aufnahme von bis zu 25° horizontal und 15° vertikal korrigiert
werden [3].
4. Die etwas seltener verwendet Methode des "Automatic Face
Processing"
Das "Automatic Face Processing" verwendet die Abstände zwischen leicht definierbaren Merkmalen wie zum Beispiel Augen, Nase oder Mundwinkel. Diese Methode wird zwar seltener verwendet als die der "Eigenfaces" oder die der "Local Feature Analysis", hat aber das Potential bei weiterer Entwicklung bei der Frontalaufnahme von Bilder bessere Ergebnisse zu liefern.
Das System der Face Recognition ist deshalb so populär da erstens Personen unbewusst identifiziert werden können, und man zweitens für die Identifikation keinen eigens konzipierten Gesichtsscanner oder Computer benötigt. Die benötigte Hardware für den alltäglichen Gebrauch besteht aus einer Digitalkamera die eine Auflösung von mindestens 320 x 240 Pixel bei 3 -5 frames pro Sekunde aufnehmen kann und einem handelsüblichen Desktop PC. Die benötigte Software kann bereits aus dem Internet geladen werden, womit die Voraussetzungen für den privaten Gebrauch gegeben sind. Obwohl für kommerzielle Zwecke leistungsstärkere Maschinen eingesetzt werden müssen ist doch der Schritt vom derzeitigen Stand der Technik hin zu den benötigten Systemen ein kleinerer als bei anderen biometrischen Systemen. Weiters wird die Methode der Face Recognition schon jetzt eingesetzt. Nicht um Personen 100 prozentig zu identifiziere, sondern viel mehr um mögliche Übereinstimmungen herauszufiltern und dem Menschen nur mehr die abschließende Kontrolle zu überlassen wodurch die Suchzeit wesentlich verkürzt wird.
Die Zukunft der Face Recognition
Zurzeit arbeitet das System der Face Recognition mit den unterschiedlichen Algorithmen sehr gut, obwohl bei frontalen Aufnahmen und homogener Beleuchtung alle Verfahren bessere Ergebnisse erzielen. Daher werden alle biometrischen verfahren, auch das der Face Recognition in die Richtung hin verbessert werden, dass sie Personen erstens in Echtzeit, und zweitens unter nicht standardisierten Bedingungen identifizieren können. Außerdem wird in Zukunft das Erkennungsverfahren der Face Recognition relativ gesehen zu anderen biometrischen Verfahren an Bedeutung gewinnen, da es wie schon unter Punkt 1 beschrieben das einzige System ist das eine Identifizierung ohne direkten Kontakt mit dem zu identifizierenden Objekt ermöglicht. Da dies wegen der derzeitigen politischen Lage vor allem den U.S.A. sehr von Nutzen sein kann, da sie die Sicherheit innerhalb ihres Landes damit wesentlich erhöhen können, wird die voraussichtliche Verteilung der Forschungsgelder in den nächsten Jahren zu Gunsten der Face Recognition verschieben.
Bei der Face Recognition werden verschiedene Algorithmen verwendet um die charakteristischen Merkmale eines Gesichtes zu erfassen und diese anschließend mit einer Datenbank zu vergleichen. Obwohl nur unter standardisierten Bedingungen wirklich hohe Erkennungswahrscheinlichkeiten erzielt werden können birgt die Methode der Face Recognition großes Potential in sich, da sie das einzige biometrische Verfahren ist das eine Identifizierung ohne Interaktion mit der zu identifizierenden Person ermöglicht. Doch wie andere biometrische Verfahren ist auch die Face Recognition nicht im Stande ohne weitere Hilfsmittel eine Erkennungswahrscheinlichkeit von 100 Prozent zu erzielen und wird daher mit anderen biometrischen Erkennungsmethoden kombiniert werden müssen.
| [1] | www.heise.de , "Gesichtserkennung gegen Führerscheinfälschung" vom 12.01.2002 |
| [2] | Veronica Henry, Homepage des "SANS Institute" auf www.sans.org , 12 März 2001 |
| [3] | der Homepage "http://facial-scan.com/facial-scan_technology.htm" entnommen |