Das BSI entwickelt das Open Source Face Image Quality (OFIQ) Framework, das in Zukunft eine transparente und detaillierte Qualitätsbewertung von Gesichtsbildern ermöglichen soll. Zur kommenden Überarbeitung des ISO-Standards ISO/IEC 29794-5, das Algorithmen für die Qualitätsbewertung von Gesichtsbildern bereithält und spezifiziert, stellt das OFIQ Framework die Software-seitige Implementierung (Referenzimplementierung der Algorithmen) dar. Das OFIQ Framework soll für verschiedene biometrische Anwendungen, zum Beispiel in Grenzkontrollszenarien, anwendbar sein.

In Phase eins wurden zunächst viele Algorithmen aus den Entwürfen der Überarbeitungen von ISO/IEC 29794-5 übernommen. Umgekehrt trugen die Algorithmen selbst zu Überarbeitungen des zu veröffentlichenden Standards bei. Außerdem wurden die verschiedenen Qualitäts-Metriken sowie die Empfehlungen und Anforderungen anderer einschlägiger Normen berücksichtigt. Im Anschluss wurden die Algorithmen aus der ersten Phase auf Grundlage der erzielten Ergebnisse verbessert. Die besten Algorithmen wurden ausgewählt und als Qualitätskomponenten definiert.

Für die Evaluierung wurden geeignete Test Sets gesammelt und erstellt. Die darin enthaltenen (realen) Daten wurden dabei mit Kennzeichnungen zur Qualitätsüberprüfung versehen (Test Sets mit Ground Truth Labels). Die Algorithmen wurden anschließend im Hinblick auf ihre Genauigkeit bei der Vorhersage der Daten und ihrer Kennzeichnungen (Vorhersage der Ground Truth) bewertet. Algorithmen, die auf Qualitätskomponenten abzielen, die sich möglicherweise auf die Genauigkeit der Gesichtserkennung auswirken könnten, werden anhand von EDC-Kurven (Error-versus-Discard Characteristic) bewertet. Dabei handelt es sich um eine Methode, welche die Güte bzw. den Wirkungsgrad der Qualitätsbewertungsalgorithmen evaluiert, indem quantifiziert wird, wie effizient das Verwerfen von Proben mit niedrigen Qualitätswerten zu verbesserten Fehlerraten führt. Bei dieser Bewertung werden mehrere Open-Source- und kommerzielle Gesichtserkennungsalgorithmen verwendet. Die EDC-Evaluierung zielt darauf ab, die Nützlichkeit des Algorithmus bei der Qualitätsbewertung der Gesichtserkennung zu demonstrieren. Wenn möglich wurden die vielversprechendsten Algorithmen auch der SIDD-Schiene (Specific Image Defect Detection) der Face Analysis Technology Evaluation (FATE) Quality unterzogen. Hierbei handelt es sich um eine vom US-amerikanischen National-Institut für Standards und Technologie (NIST) durchgeführte, fortlaufende Evaluierung von Software, die auf Qualitätsprobleme bei Gesichtsbildern prüft. Qualitätsbewertungsalgorithmen werden daraufhin bewertet, ob sie in der Lage sind, z. B. in Grenzkontrollszenarien solchen Gesichtsbildern, die in Bezug auf Pose, Beleuchtung und Auflösung nicht optimal sind, niedrige Qualitätswerte zuzuweisen. Das NIST bewertet diese Algorithmen anhand ihrer eigenen sequenzierten Testdaten. Es wurden nur Algorithmen eingereicht, die sich auf Qualitätskomponenten beziehen, die von FATE Quality und der SIDD-Schiene abgedeckt werden.

OFIQ 1.0 - Projektabschlussbericht

Dieser Bericht dokumentiert die Auswahl, Implementierung, Evaluierung und Verbesserung der einzelnen Algorithmen, die für OFIQ implementiert, getestet und ausgewählt wurden. Hier finden Sie die aktuellen Versionen zum Projektabschlussbericht auf Englisch:

• Report
• Short Report Open Source Face Image Quality (OFIQ) – Short Report
• Conformance Test Report Open Source Face Image Quality (OFIQ) – Conformance Tests