Face Detection

Face Detection (Gesichtserkennung im Sinne der Lokalisierung) ist die Aufgabe, Gesichter in Bildern oder Videos zu finden und ihre Position zu bestimmen — zu unterscheiden von Face Recognition, die identifiziert, wem das Gesicht gehört.

Die technologische Evolution: Viola und Jones (2001) entwickelten den ersten praxistauglichen Echtzeit-Gesichtsdetektor — basierend auf Haar-Features und einer Kaskade von Klassifikatoren. Dieser Algorithmus wurde in Digitalkameras und Smartphones integriert (der rote Rahmen um Gesichter beim Fotografieren). Deep-Learning-basierte Detektoren (MTCNN, RetinaFace, BlazeFace) übertreffen ihn heute bei Weitem — sie erkennen Gesichter auch bei teilweiser Verdeckung, extremen Winkeln und schlechter Beleuchtung.

Die Anwendungen sind allgegenwärtig: Smartphone-Kamera (Autofokus auf Gesichter, Portrait-Modus), Social Media (automatisches Tagging), Videokonferenzen (Hintergrundunschärfe), Sicherheitskameras (Bewegungserkennung mit Gesichtsfokus), Generative KI (Face-Swap, Deepfakes).

BlazeFace (Google, 2019) ist für mobile Echtzeit-Erkennung optimiert — es erkennt Gesichter auf einem Smartphone in unter 1ms. MediaPipe (Google) bietet eine komplette Pipeline: Face Detection → Face Mesh (468 Gesichtspunkte) → Iris Detection.

Bias in Face Detection ist ein dokumentiertes Problem: Buolamwini und Gebru (2018, „Gender Shades") zeigten, dass kommerzielle Gesichtserkennungssysteme bei dunkelhäutigen Frauen signifikant schlechter funktionierten als bei hellhäutigen Männern. Dieser Befund löste eine breite Diskussion über Fairness in Computer Vision aus.