Warum wirkt Gesichtserkennung bei warmem Innenlicht weniger zuverlässig?

Warmes Innenlicht kann die Zuverlässigkeit der Gesichtserkennung verringern, da spektrale Verschiebungen und ungleichmäßige Schatten die von Kamera und Modell erfassten Gesichtsmerkmale verändern.

Eine Eingangskamera zu Hause erkennt eine Bewohnerin oder einen Bewohner möglicherweise in der Nähe eines Tageslichtfensters, zögert jedoch nachts unter einer Deckenlampe mit 2700 K. Die Person hat sich nicht verändert; verändert haben sich die erfassten Farbverhältnisse, die Belichtung und die Schattengeometrie. Das ist relevant, wenn die gespeicherten Referenzbilder unter hellerem, neutralerem Licht aufgenommen wurden.

Warmes Licht verändert mehr als nur die Gesamtfarbe

Eine warme Lampe enthält weniger Energie im kurzwelligen Bereich als Tageslicht und kann eine ungleichmäßige spektrale Verteilung aufweisen. Der Weißabgleich der Kamera kann die Wand neutral erscheinen lassen, während sich Hautfarbkanäle und feine Kontraste dennoch verschieben. Erkennungs-Embeddings werden aus diesen lokalen Mustern gebildet, nicht aus der menschlichen Einschätzung, dass das Gesicht noch vertraut aussieht.

Experimente des NIST zu Beleuchtung und Fokus ergaben, dass die Leistung der Gesichtserkennung weiterhin empfindlich auf die Beleuchtung reagiert und dass Änderungen der Kantendichte eher durch die Beleuchtung als allein durch den Fokus erklärt werden konnten. Die warme Farbgebung ist daher nur ein sichtbarer Hinweis auf eine umfassendere Veränderung der Aufnahmequalität.

Die Folge ist ein größerer Abstand zwischen dem Live-Embedding und der registrierten Vorlage. Ein Schwellenwert, der auf die Zurückweisung Fremder abgestimmt ist, kann dann auch die Bewohnerin oder den Bewohner zurückweisen; eine Absenkung kann zwar den Komfort erhöhen, aber auch zu mehr Fehlübereinstimmungen führen. Eine längere Belichtung ist nicht automatisch besser, wenn dabei helle Bereiche ausfressen oder die Bewegungsunschärfe zunimmt.

Schatten und automatische Belichtung verändern stabile Merkmale

Deckenleuchten erzeugen Schatten in Augenhöhlen, an Nase und Kinn, die sich von einer frontalen Registrierungsbeleuchtung unterscheiden. Die automatische Belichtung kann das durchschnittliche Bild aufhellen, während eine Gesichtshälfte verrauscht bleibt. Der Detektor kann weiterhin einen Gesichtsrahmen zeichnen, doch die Ausrichtungspunkte und das Embedding innerhalb dieses Rahmens werden instabiler.

Moderne Systeme wie ArcFace-Embeddings verbessern die Trennung zwischen Identitäten im Embedding-Raum, doch ihr Margin kann eine schlechte Eingabequalität nicht beseitigen. Wenn sich die Ausrichtungspunkte verschieben, weil ein Auge oder die Wangenkontur verdeckt ist, verändert sich der normalisierte Ausschnitt, der der Erkennung zugeführt wird.

Wiederholte Bilder können daher abwechselnd akzeptiert und abgelehnt werden, obwohl die Person stillsteht. Die Instabilität folgt Veränderungen der Belichtung, des Kopfwinkels und der Schattenposition. Meist ist es aufschlussreicher, die ausgerichteten Gesichtsausschnitte zu untersuchen, als die ansprechenden Vorschauen des gesamten Bildes zu vergleichen.

Wann warmes Licht nicht die Hauptursache ist

Die Erklärung mit dem warmen Licht greift zu kurz, wenn das Gesicht zu wenige Pixel einnimmt, die Verschlusszeit zu lang ist oder das Objektiv nicht fokussiert ist. Kompression, Gegenlicht, Übergänge des Infrarot-Sperrfilters und eine veraltete Registrierungsvorlage können die Farbtemperatur überlagern. Zwei Lampen mit derselben Kelvin-Angabe können außerdem sehr unterschiedliche Spektren aufweisen.

Untersuchungen zur Wahl von Bildsensoren zeigen, dass Sensor- und Brennweitenentscheidungen die Erkennungsqualität beeinflussen, insbesondere wenn sich die Entfernung zur Person ändert. Ein größeres, schärferes Gesicht kann ein farblich perfektes, aber unterabgetastetes Gesicht übertreffen. Eine Farbkorrektur kann fehlende räumliche Details daher nicht ausgleichen.

Der Mechanismus ist nicht überzeugend, wenn die Fehler auch bei neutralem Licht hoher Qualität bestehen bleiben oder eher der Entfernung als dem Lampenzustand folgen. Er rechtfertigt außerdem keine Änderung des Übereinstimmungsschwellenwerts, bevor die Leistung gegenüber Fremden gemessen wurde. Beleuchtungsänderungen verändern die Eingabeverteilung; sie beweisen nicht, dass das Erkennungsmodell selbst fehlerhaft ist.

-15% OFF

ZimaBoard 2 – Mini-Heimserver für Ihre große Idee

Single board computer zimaboard2

$339.00 - $519.00

Buy Now

Beleuchtung vergleichen, ohne den Übereinstimmungsschwellenwert zu ändern

Nehmen Sie dieselbe Bewohnerin oder denselben Bewohner bei gleichbleibender Entfernung und Pose unter Tageslicht, warmem Licht sowie warmem Licht mit einer weichen frontalen Aufhellung auf. Lassen Sie Kameramodus, Auflösung, Verschlusszeitsteuerung und Erkennungsschwellenwert unverändert. Vergleichen Sie bei mindestens zwanzig Bildern pro Bedingung die Größe des Gesichtsrahmens, die Ausrichtung der Orientierungspunkte, Unschärfe, überbelichtete Pixel und den Embedding-Abstand.

Führen Sie den Vergleich über ein gemeinsam genutztes lokales Modell durch, damit jede Probe denselben Modellstand und denselben gespeicherten Referenzdatensatz verwendet. Speichern Sie die ausgerichteten Gesichtsausschnitte statt Dashboard-Screenshots; diese Ausschnitte zeigen, ob sich Farbe, Schatten oder Geometrie vor dem Abgleich verändert haben.

Lasten Sie die warme Beleuchtung nur dann als Ursache an, wenn sich Embedding-Abstand und Akzeptanz bei neutralem oder frontalem Licht konsistent verbessern, während Gesichtsgröße und Bewegung stabil bleiben. Folgen die Ergebnisse stattdessen der Entfernung, der Verschlusszeit oder dem Fokus, sollten Sie zuerst diese Variablen untersuchen. Registrieren Sie das Gesicht erst dann neu, wenn Sie die Beleuchtungsbedingung gewählt haben, die der normalen Nutzung entspricht.