2 Benutzeridentifikation
2.1 2D- und 3D-Gesichtserkennung

Die Gesichtserkennung ist eine Teilmenge der Forschung auf dem großen Gebiet der Mustererkennung. Menschliche Gesichtserkennung ist in den letzten Jahrzehnten eine der wichtigsten Biometrie-Authentifizierungsmethoden geworden, vor allem wegen seines Potenzials für eine Vielzahl von Anwendungen und Bereichen (Überwachung, Sicherheit zu Hause, Grenzkontrolle usw.). Biometrische Systeme zur Personenidentifikation, die von mehreren Anbietern entwickelt werden, erreichen eine sehr hohe Gesichtserkennungsgenauigkeit. Die meisten dieser Anwendungen erfordern [1]:

Der Hauptvorteil im Vergleich zu anderen Ansätzen ist, dass die Gesichtserkennung keine ausdrückliche Genehmigung des Benutzers erfordert, da Gesichtsbilder aus einer größeren Entfernung von einer Kamera erfasst werden können. Ein weiterer Vorteil ist, dass die Kosten für die Erfassungsgeräte sinken.

Anmerkung des Übersetzers: Rechtslage bezüglich Gesichtsbilderaufnahme kann in verschiedenen Ländern unterschiedlich sein.

Der Hauptvorteil der Gesichtserkennung ist die relative Einfachheit, die aber auch zu Ungenauigkeiten führen kann.

Im Vergleich zur Sprechererkennung, erzielt die Gesichtserkennung bessere Ergebnisse. Im Allgemeinen gibt es drei Hauptansätze basierend auf der Art der Daten, die in dem Erkennungsprozess verwendet werden. Hierzu gehören die Methoden für ein 2D-Intensitätsbild, 3D-Gesichtsdaten oder eine Kombination aus beiden. Der gesamte Prozess der Erkennung besteht aus drei Hauptstufen. Die erste ist die Akquisition und Vorverarbeitung, die zweite ist Datenregistrierung und die dritte Stufe ist die Erkennung. Detailbeschreibung zur 2D- und 3D-Gesichtserkennung kann im Modul zur Benutzeridentifikation gefunden werden.

In modernen Systemen kann Multi-Gesichtserkennung implementiert werden. In diesem Fall werden alle Gesichter in Bildern detektiert. Die Positionen der erkannten Gesichter werden mit dem Bild verbunden. Als nächstes wird das Bild in mehrere Teile (Proben) aufgeteilt, basierend auf den Positionen der detektierten Gesichter. Diese erzeugten Proben repräsentieren alle Gesichter in der Szene und erlauben separat jedes Gesicht zu verfolgen. Die Bildaufteilung ist ein Hauptschritt in Richtung Multi-Gesichtserkennung im System oder in der Applikation.