Gesichtserkennung lokalisiert ein Gesicht; Gesichtserfassung speichert ein brauchbares Bild; Gesichtsverifikation vergleicht es mit einer behaupteten Identität; Identifizierung sucht in einem Referenzbestand. Legen Sie vor dem Kauf fest, welches Ergebnis Sie benötigen. Ein Gesichtsminiaturbild oder Personenalarm weist keine Identität nach, und eine erfolgreiche Vorführung belegt nicht die Fehlerrate an Ihrem Eingang.
Funktion auf die Aufgabe der prüfenden Person abstimmen
| Funktion | Typische Ausgabe | Was damit nicht nachgewiesen ist |
|---|---|---|
| Erkennung | Eine Gesichtslokalisierung oder ein Gesichtsereignis | Der Name der Person oder ein brauchbares Identifikationsbild |
| Erfassung | Ein gespeicherter Gesichtsausschnitt, verknüpft mit Bild und Zeitpunkt | Ein Vergleich mit registrierten Identitäten |
| Verifikation, 1:1 | Übereinstimmung oder keine Übereinstimmung mit einer behaupteten Identität | Wer eine unbekannte Person ist |
| Identifizierung, 1:N | Ein oder mehrere Kandidaten aus einem Referenzbestand | Dass der Kandidat sicher die Person auf dem Bild ist |
Muss eine prüfende Person einen Eingangsclip finden, können Gesichtsereignisse oder Personenerkennung genügen. Soll ein Ausweisinhaber bestätigt werden, geht es um Verifikation. Eine Person ohne behauptete Identität zu finden, ist Identifizierung. Bitten Sie den Anbieter, die genaue Funktion und Rückgabedaten zu benennen, statt „KI-Gesichtskamera“ als Spezifikation zu akzeptieren.
NIST-Aussage zu technischen Fragen unterscheidet Erkennung, Verifikation und Identifizierung und erläutert falsch positive und falsch negative Fehler sowie deren anwendungsabhängige Folgen. Diese Definitionen zertifizieren kein Kamerasystem und belegen keine Gesichtserkennungsunterstützung durch QuarkView.
Kette vom Bild zur Entscheidung nachvollziehen
- Erkennen und erfassen: Kamera oder Software lokalisiert ein Gesicht und wählt ein Bild aus. Bewahren Sie Zeitstempel und Verknüpfung zum Originalbild auf, damit der Kontext des Ereignisses geprüft werden kann.
- Qualitätsprüfung: Das System kann ungeeignete Bilder ablehnen. Klären Sie, ob die Ablehnung als „kein Gesicht“, „schlechte Qualität“ oder „keine Übereinstimmung“ angezeigt wird. Andernfalls kann ein Bildfehler als Identitätsergebnis missverstanden werden.
- Vorlage und Vergleich: Wenn Erkennung unterstützt wird, erstellt die Software eine Repräsentation und vergleicht sie mit registrierten Referenzen. Legen Sie fest, ob die Verarbeitung auf Kamera, Rekorder oder einem separaten Server erfolgt.
- Schwellenwert und Ergebnis: Der Übereinstimmungswert wird anhand eines konfigurierten Entscheidungsschwellenwerts bewertet. Fragen Sie nach der Bedeutung des Werts; bezeichnen Sie ihn nicht als Wahrscheinlichkeit, sofern die Dokumentation diese Interpretation nicht bestätigt.
- Bediener- oder Zugriffsaktion: Die empfangende Anwendung zeigt einen Kandidaten an oder sendet ein Zugriffsereignis. Testen Sie Berechtigung, Zeitstempel, Auditprotokolle sowie den Umgang mit unsicheren oder fehlenden Ergebnissen.
Lassen Sie Kamera, Analysesoftware, Lizenzierung, Größenlimit des Referenzbestands, Erfassungstool, unterstützten Client und Integrationsschnittstelle schriftlich aufführen. Gewöhnliches Video auf einem NVR beweist nicht, dass Gesichtsdaten, Identitätssuche oder Zugriffsereignisse dort ankommen. Legen Sie fest, wer Referenzen pflegt und Schwellenwerte ändern darf.
Erfassungsansicht für normale Bewegungen gestalten
Prüfen Sie das gespeicherte Bild, nicht nur die Live-Vorschau. Beachten Sie Gesichtsgröße in Pixeln an nahen und entfernten Punkten, Blickrichtung, Kamerahöhe, Fokus und Bewegung. Eine hoch montierte Weitwinkelkamera in einer Lobby kann den Kontext zeigen, aber hauptsächlich Kopfscheitel erfassen; eine separate Eingangskamera kann die Gesichtserfassung übernehmen.
| Bedingung | Möglicher Fehler | Praktische Prüfung |
|---|---|---|
| Verglastes Eingangstor mit Gegenlicht | Gesichtsdetails sind zu dunkel oder überbelichtet | Gespeicherte Ausschnitte morgens und abends prüfen; Änderungen von Position und Beleuchtung vergleichen |
| Normales Gehen oder Drehen | Bewegungsunschärfe, Seitenansicht oder kein akzeptiertes Bild | Normales Vorbeigehen verwenden, nicht nur eine vor der Kamera stehende Person |
| Hüte, Brillen oder Masken | Verdeckte Merkmale oder mehr Ablehnungen | Alltägliche erlaubte Kleidung testen und abgelehnte Bilder separat protokollieren |
| Unterschiedliche Körpergrößen und Mobilitätsbedürfnisse | Ansicht verfehlt manche Gesichter oder erfasst sie aus steilem Winkel | Vorgesehene Wege und Erfassungspositionen vollständig prüfen |
| Nachtbeleuchtung | Abweichendes Erscheinungsbild oder unzureichende Details | Tatsächliche Nachtaufnahmen mit den Bedingungen der registrierten Referenzbilder vergleichen |
NIST-Studie zu Videobildern zeigt, warum Gesichter mit geringerer Videoqualität den Abgleich beeinträchtigen können. Historische Versuchsergebnisse sind keine Genauigkeitsprognose für Ihre Installation. Fragen Sie nach den Bildanforderungen der gewählten Software und testen Sie diese; keine allgemeine Megapixelangabe garantiert brauchbare Erkennung.
Beispiel: Eingangssuche von Zutrittsverifikation trennen
Planungsbeispiel, kein Kundeneinsatz: Angenommen, ein Büro hat einen kontrollierten Eingang und eine prüfende Person muss Zutrittsvorfälle finden. Beginnen Sie mit einer Übersichtaufzeichnung und einem verifizierten Gesichtsaufnahme- oder Personenereignisablauf, verknüpft über synchronisierte Zeitstempel. Erstellen Sie keine Identitätsdatenbank allein zur Clipsuche.
Falls als separate Aufgabe die Verifikation registrierter Mitarbeitender genehmigt ist, setzen Sie eine behauptete Identität per Ausweis, einen kompatiblen Erkennungsdienst und eine Zutrittssteuerung voraus. Dokumentieren Sie Schnittstellen und testen Sie den Gesichtsabgleich mit dieser Identität. Bieten Sie einen Ausweis/PIN oder eine betreute Alternative. Konkrete Kamerahöhe, Schwelle und Genauigkeit sind hier nicht festgelegt; diese müssen anhand der Anleitung des gewählten Produkts und Tests am vorgesehenen Eingang bestimmt werden.
Fehler mit dem passenden Nenner bewerten
Trennen Sie Bildaufnahmefehler von Abgleichfehlern. Zählen Sie bei 1:1-Verifikation abgelehnte echte Versuche und akzeptierte nicht übereinstimmende Versuche getrennt. Zählen Sie bei 1:N-Identifizierung registrierte Suchbilder ohne Treffer der richtigen Identität, einer falschen Person zugeordnete Suchbilder sowie unbekannte Suchbilder mit akzeptierter Identität. Protokollieren Sie mehrdeutige Ergebnisse und Ablehnungen wegen fehlendem Gesicht oder Qualität, statt sie aus dem Bericht wegzulassen.
Nur ein Rechenbeispiel: Angenommen, von 200 autorisierten echten Verifikationsversuchen stimmen 12 nicht überein: Der beobachtete Ablehnungsanteil beträgt 12/200 = 6 %. Separat werden 300 absichtlich nicht übereinstimmende Versuche angenommen, von denen 3 akzeptiert werden: Der beobachtete Falschannahmeanteil beträgt 3/300 = 1 %. Diese erfundenen Zahlen veranschaulichen die Berichterstattung, kein Produktergebnis, keinen Standardtest und kein akzeptables Sicherheitsziel. Geben Sie an, ob der echte Nenner fehlgeschlagene Aufnahmen einschließt. Wiederholte Versuche derselben wenigen Personen sind keine unabhängige Stichprobe.
- Softwareversion, Schwellenwert, Größe des Referenzbestands und Erfassungsbilder fixieren. Notwendige Genehmigungen für teilnehmende Personen und Testdaten einholen.
- Normale eintretende Personen bei tatsächlicher Beleuchtung, Bewegung und zulässiger Kleidung testen. Bei Identifizierung sowohl registrierte als auch nicht registrierte Personen einbeziehen.
- Ein Versuchsprotokoll mit tatsächlicher Identität, Referenz des gespeicherten Bilds, Qualitätsausgang, Wert/Ergebnis und abschließender Bedienerentscheidung führen. Keine undifferenzierte Prozentzahl zur „Genauigkeit“ verwenden.
- Fehler gegebenenfalls nach Bedingungen und vorgesehenen Benutzergruppen prüfen, sofern dies angemessen und rechtmäßig ist. Ein gutes Gesamtergebnis kann schlechte Leistung bei einer bestimmten Beleuchtung oder für manche Personen verdecken.
- Nach Änderungen des Schwellenwerts mit vergleichbaren Tests wiederholen. Ein strengerer Akzeptanzschwellenwert kann falsche Treffer verringern, aber echte Treffer häufiger verpassen lassen. Legen Sie ihn anhand der Folgen beider Fehlerarten fest.
- Unbekannte Personen, doppelte oder veraltete Registrierung, entzogene Zugriffsrechte, Serverausfälle und strittige Treffer prüfen. Bestätigen Sie, dass der Alternativprozess funktioniert und Bediener Datensätze korrigieren können.
Ein kleiner Versuch ist eine Inbetriebnahmeprüfung, kein Nachweis einer seltenen Fehlerrate. Keine falsche Annahme in einer kurzen Vorführung beweist kein Nullrisiko. Wenn Zutrittssicherheit wichtig ist, bewerten Sie separat Schutzmaßnahmen gegen Präsentationsangriffe mit Fotos oder Bildschirmen anhand der dokumentierten Fähigkeiten des gewählten Systems; ein Identitätsvergleich allein weist keine Lebenderkennung nach.
Referenzdaten als Betriebsverantwortung behandeln
Bilder, Vorlagen, Ereignismetadaten und Zugriffsprotokolle getrennt dokumentieren: Speicherort, wer registrieren/suchen/exportieren darf, Schutzmaßnahmen und wie Löschungen auf Server, Geräte und Sicherungsrichtlinien übertragen werden. Widerruf und Löschung testen, einschließlich Referenzkopien außerhalb der Hauptoberfläche. Sichtbarkeit von Kandidatenalarmen auf zuständige Prüfer begrenzen; erforderlichenfalls Prüfergebnis und Korrekturverlauf aufbewahren.
Für Einsätze gemäß UK GDPR verlangt die biometrische Leitlinie des ICO eine rechtmäßige Grundlage und eine zusätzliche Bedingung für die Verarbeitung biometrischer Daten besonderer Kategorien. Wird Einwilligung herangezogen, muss echte Wahlfreiheit mit angemessener Alternative bestehen; das Betreten des Kamerabilds ist keine Einwilligung zur Erkennung. Für die Identifizierung von Beschäftigten im Vereinigten Königreich verlangt die ICO-Leitlinie zum Arbeitsplatz vor der Verarbeitung eine Datenschutz-Folgenabschätzung und behandelt Alternativen ohne Benachteiligung. Dies sind Anforderungen im Vereinigten Königreich, keine weltweite Erlaubnis zum Einsatz.
Auch Erkennung ohne Identitätsabgleich kann personenbezogene Bilder und Datensätze betreffen. Bestimmen Sie Kontrollen anhand der tatsächlichen Verarbeitung, nicht anhand der Funktionsbezeichnung. Senden Sie die benötigte Funktion, Eingangsbedingungen und vorhandene Software mit einer Projektanfrage. Vergleichen Sie Personenerkennung wenn ein Ereignis statt eines Identitätsabgleichs gesucht wird.