Das BSI entwickelt im Rahmen eines Projekts das Open Source Face Image Quality (OFIQ) Framework, welches zukünftig die transparente und detaillierte Qualitätsbewertung von Lichtbildern ermöglicht.

Beim Umgang mit operativen Biometriesystemen spielt die Qualität biometrischer Daten eine wichtige Rolle. Die Performanz von Biometriesystemen wird direkt von der Qualität der Biometriedaten beeinflusst, die in diesen Systemen gespeichert und verarbeitet wird. Die Qualität der Biometrie so gut wie möglich zu gestalten, ist also von entscheidender Bedeutung.

Sowohl in Deutschland als auch international kommen in öffentlichen Biometriesystemen vor allem Fingerabdrücke und Lichtbilder zum Einsatz. Die Nutzung dieser Biometriemodalitäten nimmt dabei immer weiter zu. So wird beispielweise aktuell im Bereich der europäischen Grenzkontrolle das „Entry-Exit-System“ (EES) eingeführt, in dem zukünftig Lichtbilder und Fingerabdrücke von Drittstaatsangehörigen gespeichert werden. Mit geplanten 200-300 Millionen Datensätzen handelt es sich beim EES dabei um eine außergewöhnlich große Datenbank, so dass hier besonders hohe Qualitätsanforderungen an die erhobenen Biometriedaten gestellt werden.

Auch national nimmt die Verwendung von Biometrie im hoheitlichen Bereich immer weiter zu. So wird beispielsweise mit der im Mai 2025 in Kraft tretenden „Live-Enrolment-Initiative“ das Einscannen von mitgebrachten Passbildern in den deutschen Pass- und Ausweisbehörden weitestgehend abgeschafft. Stattdessen werden Passbilder zukünftig (nahezu) ausschließlich live erfasst. Dabei wird zunehmend wichtiger, dass die Lichtbilder von hoher Qualität sind, damit sie zum Beispiel auch bei der Einreise in andere Länder bestmöglich genutzt werden können.

Gute und verlässliche Qualitätsbewertungs-Algorithmen sind also sowohl national als auch europäisch bzw. international von entscheidender Bedeutung. Gleichzeitig ist es jedoch wichtig, dass die Qualitätsbewertung von Biometrie einheitliche und nachvollziehbare Ergebnisse liefert, so dass die Qualität von Biometrie in allen Komponenten und Prozessen eines Systems gleich verstanden wird. Im Rahmen der europäischen Grenzkontrolle rund um das EES ist es beispielsweise essentiell, dass die Biometriesysteme an allen Grenzübertrittspunkten des Schengen-Raums die Qualität der erfassten Biometrie gleich bewerten, um Schlupflöcher und Inkonsistenzen zu verhindern. Um dieses Ziel zu erreichen ist ein offener Algorithmus (Open Source) nötig, der transparente Ergebnisse zur Qualität der betrachteten biometrischen Bilder liefert.

Während für Fingerabdrücke mit dem „NFIQ-Algorithmus“ (NIST Fingerprint Image Quality) bereits seit 2004 ein entsprechender Open-Source-Algorithmus vorliegt, fehlt ein solch offener Algorithmus für den Bereich der Lichtbilder noch völlig.

Daher entwickelt das BSI aktuell das Pendant „OFIQ“, um diese Lücke zu schließen und sowohl national als auch international eine offene und transparente Qualitätsbewertung von Lichtbildern zu ermöglichen.

Hintergrund

Neben Fingerabdrücken gehören Lichtbilder zu den am weitesten verbreiteten Referenzen in Biometriesystemen – sowohl in kommerziellen Systemen als auch im öffentlichen Bereich.

Die Qualität der Lichtbilder in einem Biometriesystem bestimmt dabei die Erkennungsleistung des Gesamtsystems – je größer die Datenbasis wird, umso größer wird der Einfluss schlechter Qualität auf die Effizienz. Insbesondere in sehr großen Datenbanken, wie beispielsweise dem kommenden Entry-Exit-System (EES), kommt daher der Qualitätsbewertung von Lichtbildern eine entscheidende Rolle zu.

Die Qualität von Lichtbildern wird wiederrum von einer Vielzahl unterschiedlicher Faktoren bestimmt wie beispielsweise von der Gleichmäßigkeit der Beleuchtung, der Haltung des Kopfes, der Schärfe des Bildes und der Tatsache, ob die Augen offen oder geschlossen sind.

Insgesamt existieren mehr als 20 dieser sogenannten „Qualitätskomponenten“. Jede einzelne Komponente übt einen direkten Einfluss auf die Gesamt-Qualität des Lichtbildes aus. Allerdings ist gegenwärtig noch kaum bekannt, wie groß der Einfluss der verschiedenen Komponenten am Ende tatsächlich ist. Auf der anderen Seite ist der Aufwand, bestimmte Komponenten bei der Erfassung von Lichtbildern gut auszugestalten teilweise hoch bis sehr hoch. Um hier Aufwand und Nutzen gegeneinander abwägen zu können, müssen die Qualitätskomponenten also weiter untersucht werden.

Auf Basis der Bewertung der einzelnen Qualitätskomponenten kann im Erfassungsprozess ein konkretes und verwertbares Feedback an aufnehmende und aufzunehmende Personen gegeben werden: Statt der Meldung, dass die Qualität des Lichtbildes ganz allgemein nicht ausreicht, kann eine genaue Aussage getroffen werden, welche Faktoren ggf. verbessert werden können und welchen Einfluss dies auf die Lichtbildqualität ausüben wird. Der Erfassungsprozess wird dadurch genauer und liefert bessere Ergebnisse, wodurch wiederrum die biometrische Leistung des Gesamtsystems verbessert wird.

Standardisierung

Die internationale Standardisierung zum Thema Lichtbildqualität erfolgt über den ISO-Standard ISO/IEC 29794-5. Hier kommt das OFIQ-Framework als Referenzimplementierung zum Einsatz, und kann zukünftig in kommerziellen und staatlichen Anwendungen eingesetzt werden.

Der Quellcode von OFIQ wird auf bei GitHub bereitgestellt.

Quality Component Testing

Um die Entwicklung von ISO/IEC 29794-5 zu unterstützen, hat das National Institute of Standards and Technology (NIST) die FATE SIDD-Kampagne (Face Analysis Technology Evaluation, Specific Image Defect Detection Testing) zum Testen der Lichtbildqualität ins Leben gerufen, bei der die verschiedenen vorgeschlagenen Algorithmen pro Qualitätskomponente getestet werden.

Auf der Webseite der NIST finden Sie auch weitere Informationen zum Testvorgehen.

Weitere Informationen

Die Gemeinsame Forschungsstelle der Europäischen Kommission (EU-JRC) hat in ihrer Studie aus dem Jahr 2019 die Notwendigkeit einer Gesichtsbildqualitätsbewertung wie folgt festgestellt: „... wir empfehlen, die Entwicklung einer herstellerunabhängigen, robusten und zuverlässigen Gesichtsqualitätsmetrik zu fördern.“ in das ABIS-Face integriert werden, sobald es verfügbar ist.
Diese Qualitätsmetrik könnte das Ergebnis sein aus: 1) der Kombination einer Reihe einzelner Werte, die vom Menschen definierte Merkmale wie Beleuchtung, Schärfe, Pose, Hintergrund usw. schätzen. 2) durch Deep Learning abgeleitete Merkmale; oder 3) eine Kombination aus handgefertigten und tiefgreifenden Funktionen.“

Weitere Informationen zu OFIQ und zu Hintergründen finden Sie auch hier:

• International Face Performance Conference (IFPC) 2022: Vorstellung OFIQ
• Entwurf ISO/IEC CD3 29794-5 (Stand Oktober 2023)
• State-Of-The-Art-Report zum Projekt (Stand November 2022)
• Wissenschaftliche Arbeit zur Beurteilung der Bildqualität von Gesichtern: T. Schlett, C. Rathgeb, O. Henniger, J. Galbally, J. Fierrez, C. Busch: „Face Image Quality Assessment: A Literature Survey“, in ACM Computing Surveys (CSUR), (2022)