ZA Fraunhofer IGD Evaluierungsbericht             gsberich Titel                                Evaluierung der Erkennungsgenauigkeit am Markt erhältlicher Gesichtsidentifizierungssysteme für den Einsatz in der Kriminalistik Geheimhaltungsgrad                  OFFEN Berichtsnummer                a     IGD-EB-2019-01 Versionsnummer                       1.0 Status                              Final                   Ina Erstellungsdatum                    20. Dezember 2013 Prüfzeitraum                        20.    ıli bis 4 November 2019 Installation der Prüfgegenstände un       Apii! bis 6. Mai 2019 Auftraggeber                        Sundeskriminalamt | KT32 Äppelallee 45 65203 Wiesbaden Erstellt vo                        HE Genehmigt aurch Abteilungsleiter »Smart Living & Biometric Technology« Fraunhofer IGD

Evaluierungsbericht IGD-EB-2019-01           OFFEN                Fraunhofer IGD Fraunhofer-Institut für Graphische Datenverarbeitung IGD Biometrie-Evaluierungslabor Fraunhoferstraße 5 64283 Darmstadt Seite 2 von 37                        20. Dezember 2019 IGD-EB-2019-01-1.0.fodt

Fraunhofer IGD                                        OFFEN               Evaluierungsbericht IGD-EB-2019-01 Kurzfassung Vier am Markt erhältliche Gesichtsidentifizierungssysteme für den Einsatz in der Kriminalistik wurden hin- sichtlich ihrer Erkennunggsleistung evaluiert. Gesichtsidentifizierungssysteme für den Einsatz in der Krimina- listik liefern bei Recherchen Kandidatenlisten mit wählbarer Länge (hier: 100 Kandidaten), die von Exper- ten für forensische Gesichtserkennung überprüft werden. Die verwendeten Gesichtsbilder wurden vom BKA für die Evaluierung zur Verfügung gestellt. Als Referenzbilder dienten in jedem getesteten System ca. 4,8 Millionen frontale Gesichtsbilder von ca. 3 Mil- lionen Personen. Die Referenzdatenbanken blieben für alle Recherchen unverändert. Wenn vorhanden, wurden mehrere Gesichtsbilder pro Testperson enrollt, ohne sie miteinander zu verknüpfer. Als Probebilder dienten m    10.000 Frontalbilder von 10 000 zufälligen Personen mit passendem Gegenstück in der Referenz- datenbank, m 10.000 Frontalbilder von 10 000 zufälligen Personen ohne passendes Gegenstück in der Referenz- datenbank, m 10.000 Frontalbilder von 10 000 Personen mit Brille und mit nassendemn Gegenstück in der Referenz- datenbank, m 10.000 Frontalbilder von 10 000 Bartträgerr: und mit passendem Gegenstück in der Referenz- datenbank, m 600 Frontalbilder von 147 Personen mit bekannten zeitlichen Abstand zum passenden Gegenstück in der Referenzdatenbank (bis zu ca. 9 Jahre), m 10 000 Halbprofilbilder von 10 QUL zufälligen Personen mit passendem Gegenstück in der Referenz- datenbank, m 10 000 Halbprofilbilder von 10 000 zufälligen Personen ohne passendes Gegenstück in der Referenz- datenbank, m bis zu 257 Gesichtsbilder von 181 Personen aus verschiedenen Aufnahmewinkeln: DO Bilder ‚auf denen der Kopf um 10°, 20°, 30°, 45°, 60°, 70°, 80° bzw. 90° in eine Richtung nur um die Hochachse gedreht ist (»Yaw Angle«), DO B:ider, aut denen der Kopf um -45°, -30°, -20°, -10°, 10°, 20°, 30° bzw. 45° nur um die Querachse gesenkt bzw.    gehoben ist (»Pitch Angle«), DO Bilder, auf denen der Kopf um 10°, 20°, 30° bzw. 45° in eine Richtung nur um die Längsachse geneigt ist (»Roll Angle«). Die für den Einsatz in der Kriminalistik interessanteste Kenngröße ist die Falschnegatividentifizierungsrate beim Rang 100 (abgekürzt Rang-100-FNIR). Bei den Recherchen anhand der 10 000 Frontalbilder von zu- fälligen Personen mit passendem Gegenstück in der Referenzdatenbank erreichten die besten getesteten Systeme eine Rang-100-FNIR von 0,3 + 0,1 %. Die Rang-100-FNIR-Werte für Recherchen anhand der Frontalbilder von Personen mit Brille sind nicht signifikant höher als die für Recherchen anhand der Frontalbilder von zufälligen Personen. Für das in dieser Kategorie beste getestete System ist auch der Rang-100-FNIR-Wert für Recherchen anhand der Frontalbilder von Bartträgern (0,4 + 0,1 %) nicht signifi- kant höher als der für Recherchen anhand der Frontalbilder von zufälligen Personen. Mit den verfügbaren Daten konnte für die getesteten Systeme keine Abhängigkeit der FNIR von der seit der Referenzaufnahme verstrichenen Zeit festgestellt werden. Um den Einfluß der Bildqualität auf die Erkennungsgenauigkeit zu evaluieren, wurde die Qualität von Kopien der 10 000 Frontelbilder von zufälligen Personen mit passendem Gegenstück in der Referenz- 20. Dezember 2019             u                 Seite 3 von 37

Evaluierungsbericht IGD-EB-2019-01                 OFFEN                                    Fraunhofer IGD datenbank auf verschiedene Weisen und in unterschiedlichem Grad verschlechtert. Die in dieser Kategorie besten getesteten Systeme zeigen bei Qualitätsminderungen, die ein Spitzen-Signal-Rausch-Verhältnis von mindestens 20 dB ergeben, keine signifikante Erhöhung der Rang-100-FNIR. Bei Recherchen anhand von Halbprofilbilderr erreicht das beste getestete System eine Rang-100-FNIR von 3,0 # 0,3 %. Recherchen anhand der qualitativ hochwertiger Probebilder, auf denen der Kopf um bis zu 30° um die Hochachse gedreht ist, führten zu ähnlichen Rang-100-FNIR-Werten wie Recherchen anhand der Frontalbilder von zufälligen Personen. Auch Recherchen anhand der qualitativ hochwertigen Probe- bilder, auf denen der Kopf um bis zu 20° um die Querachse gesenkt bzw. gehoben     ist, führten zu ähn- lichen Rang-100-FNIR-Werten wie Recherchen anhand der Frontalbilder von zufälligen Personen. Um die Schwächen der einzelnen Gesichtsidentifizierungssysteme zu umgehen, wurden die Kandidaten- listen von jeweils zwei Systemer auf einfache Weise (mittels Borda-Wahl) auf Rangebene zu einer Kan- didatenliste fusioniert. Die Rang-100-FNIR-Werte der besten Systemkombinationen sind nur etwa halb so groß wie die Rang-100-FNIR-Werte der besten Einzelsysteme. Die Evaluierungsergebnisse beziehen sich nur auf die Evaluierungsgegenstände in der jeweils getesteten Konfiguration. Seite 4 von 37                             20. Dezember 2019                    IGD-EB-2019-01-1.0.fodt

Fraunhofer IGD                                                  OFFEN                           Evaluierungsbericht IGD-EB-2019-01 Inhaltsverzeichnis                 ° 1 Einführung:::..==:@s@swesrewrenenannnsneensennnn   nennen nen ona0nnbswÜRSEH RAR HN RHREREEEB Ran NH ann nnannnnannunnonnennundonnsnunanätsrenege 12 1.1. Afiwerdungsbereiche.ucrseecsseeseenneneensennünszemnEETERE           HR RR EEE       nero hunnnannn nenn nnd n STEH IBEEEREREELERE            12 1.2 Evaluierungsziele............eeneensenssenensnnenennnnnensnnennnnersnennnnsnnnsennnnennnenennenpnnennnnenennsnnsennre                  nn     12 1.3 Evaluierungsgegenstände.........uuueeeenssnneenennnennesnnnenennnnnenene                  nennen                              nn               12 1.4 Verwendete Verfahrensanweisung.....ueeessseesssesnnseessssennnennenensnnnnnnnnnneneennnneeeenenennnnnneeeeee                           nen 13 1.5 Inhalt dieses Berichts..................0002022422200002000neeenennenenenennnnnnennenennnennnennnnnnsnnnnnnnsnnsensennnssensenn           sen 13 2 Vorbereitung der Evaluierung.........uunsensreannenssnnnsnnensnnnnnnnsnnnnnnennnnnnnnnnnnnnnnnnnnnnnnnssnensnnnnnnnsnsnnnnnnnnnnsen 14 2.1 Hardware-Plattform........ueeeesseeesseeseneessneennnnnnennnnnnnnnnnnnnnennneennneennnnennnennnnennnneenenenenenene               nennen        14 2.2 Installation, Funktionstests und Nachjustierung der getesteten Systeme. ................eeeen: 14 2.3 Evaluierungsskripte.:...............:0n0000nsssogsaesnuoenarer               une nnn nee enennan nn                        RETTEN 14 2.4 Bereitstellung des Datenbestands................:..222sesnseeesssseenenenenessenennnnnnenennnnnnneeeennnnnnneneessnennnnnenn 15 3 Durchführung und Ergebnisse der Evaluierung................ ER »unlunnuonooonnnnunennan                                 nun en new aHe TE eneR Eee 16 3.1 Bereinigung des Datenbestandas................2..44nnen                         nmeeen een ernennen                       nennen               16 3.2 Partitionierung des Datenbestands........................4 een                                                                   nennen        16 3.2.1 Erforderliche Anzahl an Recherchen... .............0.ceeseeessnessnnesenessennensneenennneneeneennne                        nennen 16 3.2.2   Frontalbilder aus INPOL-Z............0.2222aeeeeensesneeessenenennnneeenennnnenneenenennensnnnnannenenensnneensnn                    16 3.2.3   Über. mehrere Jahre aufgenommernie Serien frontaler Gesichtsbilder......................220.0.....                                   17 3.2.4   Halbprofilbilder aus INPOL-2........\...........essssssseeeeesenennnennnnnnnnnnennnennnneneenenennneeenennee                   nen   17 3.2.5  Gesichtsbilder aus verschiedenen Aufnahmewinkeln.................ssssnnneeeneesssseeneenenn                                           17 3.3 Enrolment frontaler Gesichisbilder..u.........neeneeneennnenneeenennenennnenennenenene                              nennen nenne 17 3.4 Recherchen anhand frontaler Gesichtsbilder......................22442004200nnenernneeneeenenneeneeneee                          nennen         19 3.4.1 Beliebige Frontatbilder aus INPOL-Z..........cccneenneennnneneennnennnnnenenenenenennnnnnen                          ernennen          19 3.4.2 Frontalbilder aus INPOL-Z von Brillenträgern....................neeneneenneeennennnn 23 3.4.3 Frontalbilder ars INPOL-Z von Bartträgerr..............ccneeneeneneenneenneneeneennnnennnnnnenn 25 3.4.4 Über mehrere Jahre aufgenommene Serien frontaler Gesichtsbilder.............................. 27 3.5 Recherchen anhand frontaler Gesichtsbilder mit verminderter Bildqualität................................ 28 3,3,1  Vörgehensweise. ....eescessuenessnesunnnnsnmenenonnenennenennnnnnnennennsnnnsnnensnenssnnsessenennnnnsnsnssnnnsnsnsnane               28 3.5.2  Ergebnisse in Abhängigkeit von der JPEG-Qualität...............uuue00uneeeeeneseeneeeeenennennnenn                                    29 3.5.3  Ergebnisse in Abhängigkeit von der Bildgröße.....................44neenennenenneennnenennnn                                           29 3.5.4  Ergebnisse in Abhängigkeit vom PSNR..........uusessseesssssnnessssnnnesenneeesnnenennnnnneennnnnennenene                              30 3.6 Recherchen anhand nichtfrontaler Gesichtsbilder....................ueeeneenneeneennneenennennn 31 3.6.1 Halbprofilbilder aus INPOL-Z..........ceeceeesenesesneesenensnneennneennnneneneennnnnnnnennnnnenenensnnnennnenennnn 31 3.6.2 Gesichtsbilder aus verschiedenen Aufnahmewinkeln. ..................ennnnnsneeeeeeeenenenn 34 3.7 Untersuchung möglicher Systemkombinationen.............uueeesseenennesessennnnenneeneseneneeeeesenenn                                    nn 36 IGD-EB-2019-01-1.0.fodt                              20. Dezember 2019                                                            Seite 5 von 37

Evaluierungsbericht IGD-EB-2019-01                              OFFEN                                                     Fraunhofer IGD Abbildungsverzeichnis Abbildung    1: CMC     für beliebige Frontalbilder bei ca. 4,8-10° Referenzen...                                                         20 Abbildung 2: Rang-k-FNIR über dem Rang für beliebige Frontalbilder bei ca. 4,8-10° Referenzen............. 20 Abbildung 3: Rang-k-FNIR — FTXR über dem Rang für beliebige Frontalbilder bei ca. 4,8-10° Referenzen. 21 Abbildung 4: Rang-1-DET-Graph für beliebige Frontalbilder bei ca. 4,8-10° Referenzen.......................... 22 Abbildung 5: CMC für Frontalbilder von Brillenträgern bei ca. 4,8:10° Referenzen.................e 24 Abbildung 6: Rang-k-FNIR über dem Rang für Frontalbilder von Brillenträgern bei ca. 4,8:10° Referenzen Lennunenssneessneesennnssnnnsnnssnnneneenensenenenensesnnnsnsenesenesnnenssnsnnssnnsnessnsenensnse nennen essnsninnnnnssesssnnnann 24 Abbildung 7: CMC für Frontalbilder von Bartträgern bei ca. 4,8:10° Referenzen................neeneneen 26 Abbildung 8: Rang-k-FNIR über dem Rang für Frontalbilder von Bartträgern bei ca. 4,8:10° Referenzen. .26 Abbildung 9: CMC für Halbprofilbilder bei ca. 4,8-10° Referenzen...................neenenenennnn 32 Abbildung 10: Rang-k-FNIR über dem Rang für beliebige Halbprofilbilder bei ca. 4,8-10° Referenzen......32 Abbildung 11: Rang-k-FNIR — FTXR über dem Rang für beliebige Halbprofilbilder bei ca. 4,8:10° Referenzen... een                                                                                   sense enernnerna 33 Abbildung 12: Rang-1-DET-Graph für Halbprofilbilder bei ca. 4,8 IO' Referenzen...                                                         33 Abbildung 13: CMC von Systemkombinationen für beliebige Frontalbilüer bei ca. 4,8-10° Referenzen....36 Abbildung 14: Rang-k-FNIR über dem Rang für Systemkembinationien für beliebige Frontalbilder bei ca. 4,8:10° Referenzen.......uueeeneeenseenennneeenlh             nenn       hnnunsnuvennnnnssensnsnennannsnnen sn     nern nen 37 Seite 6 von 37                                         20. Dezember 2019                                   IGD-EB-2019-01-1.0.fodt

Fraunhofer IGD                                          OFFEN                   Evaluierungsbericht IGD-EB-2019-01 Tabellenverzeichnis Tabelle 1: FTER für Frontalbilder aus INPOL-Z..............unneesessessnnneenneeneennenneennennenteenee   nennen               18 Tabelle 2: Dauer von Enrolment-Versuchen..........sesssenenesseeessnennnensnnnennennenennnnnnneneneer       nn nnnnenerrnnn 19 Tabelle 3: FTXR für beliebige Frontalbilder aus INPOL-Z.......................eneenenen Enwelena neununamenene 19 Tabelle 4: Rang-1- und Rang-100-FNIR für beliebige Frontalbilder aus INPOL-Z.......................neee 21 Tabelle 5: Dauer von Recherchen anhand von Frontalbildern.....................0s02200es         sense                          23 Tabelle 6: FTXR für Frontalbilder aus INPOL-Z von Brillenträgern...............0.00esseeeseennensneennesssnennenenenenn        23 Tabelle 7: Rang-1- und Rang-100-FNIR für Frontalbilder aus INPOL-Z von Brillenträgern...........................               25 Tabelle 8: FTXR für Frontalbilder aus INPOL-Z von Bartträgern.............uessnensseesnesssnennnnessnnnnnesnennnnnennennn      25 Tabelle 9: Rang-1- und Rang-100-FNIR für Frontalbilder aus INPOL-Z von Bartträgern...........................                  27 Tabelle 10: Rang-1-FNIR in Abhängigkeit von der seit der Referenzaufnahme verstrichenen Zeit..............                     27 Tabelle 11: FTXR in Abhängigkeit von der JPEG-Qualität...............uerceensensensenneenneneennnenen            nennen 29 Tabelle 12: Rang-100-FNIR in Abhängigkeit von der JPEG-Qualität.................0smneeenneeneneenenneeenneenennen              29 Tabelle 13: FTXR in Abhängigkeit von der Bildbreite........................40ssssesessssnnnenensssnnnnnneesenennnnneenneneenen 29 Tabelle 14: Rang-100-FNIR in Abhängigkeit von der Bildbreite............u.....nseneeneeneeennennnnenen                         30 Tabelle 15: FTXR in Abhängigkeit vom PSNR.............22222nescnneeeee   eenneen en nenenenenssenennnneneeeesennnnennnnennnnn  30 Tabelle 16: Rang-100-FNIR in Abhängigkeit vom PSNR.......... nennen                                                            30 Tabelle 17: FTXR für Halbprofilbilder aus INPOL-Z......    2... ..uecnesseesseesneeeesenenseenneennennnennnennnennnennn   nenn 31 Tabelle 18: Rang-1- und Rang-100-FNIR für Hatroroi.!bilder aus INPOL-Z......acanccnneennnnnneeeennnnnnneeennnnn 32 Tabelle 19: FTXR bei Drehung um die Hochachse \»Yaw Änglea)...ueeesseesseesneennenennnnnennnnnnnnennnnnnnennnn 34 Tabelle 20: Rang-100-FNIR bei Drehung um «die Hochachse (»Yaw Angle«)...........cenennnnnneeenen 34 Tabelle 21: FTXR bei Drehung um die Querächse (»Pitch Anglea).............eeneeennenennenenneneenenn 35 Tabelle 22: Rang-100-FNIR bei Drehung um die Querachse (»Pitch Anglea).........cceenennen 35 Tabelle 23: FTXR bei Drehung um aie Längsachse (»Roll Anglee)..............eenneneneneeenenenennnnen 35 Tabelle 24: Rang-100-FNIR bei Drehung um die Längsachse (»Roll Angle«)........................ennee: 36 Tabelle 25: Rang-100-FN!R für mögliche Systemkombinationen für beliebige Frontalbilder aus INPOL-Z...37 IGD-EB-2019-01-1.0.fodt                       20. Dezember 019°                                              _ Seite 7 von 37

Evaluierungsbericht IGD-EB-2019-01                    OFFEN                             Fraunhofer IGD Abkürzungsverzeichnis CMC      Cumulative Match Characteristic DET      Detection Error Tradeoff FNIR     False Negative Identification Rate, Falschnegatividentifizierungsrate FPIR     False Positive Identification Rate, Falschpositividentifizierungsrate FRVT     Face Recognition Vendor Test FTER     Failure-To-Enrol Rate FTXR     Failure-To-Extract Rate GPU      Graphics Processing Unit JPEG     Joint Photographic Experts Group PSNR     Peak-Signal-to-Noise Ratio SSD      Solid-State Drive SOAP     Simple Object Access Protocol Seite 8 von 37                                20. Dezember 2019               IGD-EB-2019-01-1.0.fodt

Fraunhofer IGD                                             OFFEN                Evaluierungsbericht IGD-EB-2019-01 Glossar 95%-Vertrauensbereich                   Bereich, der mit einer Wahrscheinlicrkeit von 95 % den tatsächlichen Wert einer Zufallsgröße überdeckt, [1] ANMERKUNG           Die untere Grenze x, und die obere Grenze           x, des zweiseitigen Vertrauens- bereichs für eine Wahrscheinlichkeit z liegen bei 2:n-h+zi a     FZu-a,       Zu-ardn-h{!      -h) RK                   2 -                       ‚wobei n die Stichprobengröße, h die empi- 2.(n+zu-a)) risch ermittelte relative Häufigkeit und       Zu-&    das (1 -5) -Quantil der Standardnormalverteilung ist. Bei einer Irrtumswahrscheinlichkeit & von 5 % (also 95 % Vertrauen) gilt Zu-2,=1,96 Ähnlichkeitsmaß (Similarity Score)                 numerischer Wert, der die Ähnlichkeit zwischen einer biometri- schen Probe und einer biometrischen Referenz ausdrückt und mit steigender Ähnlichkeit zu- nimmt, [2] biometrische Probe            _biometrische Daten, die mit (einer) siometrischen Referenz(en) zu vergleichen sind, [2] biometrische Referenz gespeicherte biometrische Daten, die jeweils einer Person zugeordnet sind und als Vergleichsgrundlage dienen, [2 biometrische Verifizierung              Bastätiaung einer behaupteten Identität durch Vergleich biometrischer Daten mit einer biometrischen Referenz [2] CMC (Cumulative Match Characieristic)                       grafische Darstellung der geordneten Paare aus einem Rang k und ser zuaehörigen Rang-k-Richtigpositividentifizierungsrate [3] ANMERKUNG          1 Rancı-<-Richtigpositividentifizierungsrate = 1 - Rang-k-FNIR ANMERKUNG        2 Die CMC     hängt von der Größe der Referenzdatenbank ab'. DET (Detection Error Tradeoff) grafische Darstellung der geordneten Paare aus einer Falschpositivrate und der bei gleicher Schwellwerteinstellung zugehörigen Falschnegativrate [3] ANMERKUNG            Der DET-Graph hängt von der Größe der Referenzdatenbank ab'. Enrolment            Erzeugung und Speicherung einer biometrischer Referenz in der Referenzdatenbank [2] FTER (Failure-To-Enrol Rate)            Anteil der Enrolment-Versuche,      bei denen das biometrische System keine für den Vergleich geeigneten Merkmale aus dem Referenzbild extrahieren kann, [2] FTXR (Failure-To-Extract Rate) Anteil der Rechercheversuche, bei denen das biometrische System keine für den Vergleich geeigneten Merkmale aus dem Probebild extrahieren kann, [4] ANMERKUNG            Wenn für die Merkmalsextraktion aus den Referenzbildern und für die Merkmals- extraktion aus den Probebildern derselbe Algorithmus mit denselben Parameterwerten verwendet wird und die Referenzbilder und Probebilder von gleicher Qualität sind, ist kein signifikanter Unterschied zwischen FTER- und FTXR-Werten zu erwarten. Dieser Evaluierungsbericht enthält 1   Je größer die Referenzdatenbank, desto höher ist die Wahrscheinlichkeit, dass der Identifikator der passenden Referenz aus den führenden Rängen verdrängt wird. IGD-EB-2019-01-1.0.fodt                            20. Dezember 2019                                Seite 9 von 37

Evaluierungsbericht IGD-EB-2019-01                    OFFEN                                     Fraunhofer IGD FTXR-Werte für Bilder von verminderter Qualität und mit starken Abweichungen von der Fronta- len. Solche Bilder wurden nur als Probebilder, nicht jedoch als Referenzbilder verwendet. Kandidat           biometrische Referenz, die der biometrischen Probe mehr oder weniger ähnelt, [2] Kandidatenliste              Menge der Referenzidentifikatoren der Kandidaten, die der biometrischen Probe am ähnlichsten sind, [2] ANMERKUNG _ Biometrische Identifizierungssysteme können so konfiguriert sein, dass w    die Kandidatenliste nur die Referenzidentifikatoren solcher Kandidaten enthält, für die das Maß der Ähnlichkeit zur biometrischen Probe einen festgelegten Schwellwert übersteigt oder w    die Kandidatenliste eine festgelegte Anzahl von Kandidaten umfasst. Beim Einsatz in der Kriminalistik wird der Schwellwert meist auf O (oder einen sehr niedrigen Wert) gesetzt, so dass die Kandidatenliste immer eine festgelegte Anzahl von Kandidaten um- fasst, um Falschnegatividentifizierungen möglichst zu vermeiden. PSNR (Peak-Signal-to-Noise Ratio, Spitzen-Signal-Rausch-Verhältnis)               dekadischer Logarithmus des Verhältnisses des Quadrats des maximal möglichen Wertes der Pixelintensität Im eines Schwarz- Weiß-Bildes / der Größe m:n zur mittleren quadratischen: Ahweichung eines gestörten Bildes K, PSNR= 10-9,         —— —        > (1,—K,) J ANMERKUNG         1 Der maximal mögliche Vvert der Pixelintensität ma ist 255 bei Verwendung von 8 Bit. ANMERKUNG 2 Für Farbbilder mit drei Farbkanälen wird das arithmetische Mittel der mittleren quadratischen Ahweichung a,er Farbkanäle verwendet. Rang    Position eines Kandidaten in der nach fallendem Ähnlichkeitsmaß geordneten Kandidatenliste [3] Rang-k-FNIR (Rang-k -Falschnegatividentifizierungsrate)                 Anteil der Recherchen anhand von Provebileiern von Personen, für die mindestens ein Enrolment-Versuch ausgeführt wurde, bei denen     kein zugehöriger Referenzidentifikator unter den ähnlichsten k Kandidaten ist, [3] ANMERKUNG 1 Alle Fehler, die dazu führen, dass für Personen, für die Enrolment-Versuche aus- geführt wurden, kein Referenzidentifikator in der Kandidatenliste der Länge k zu finden ist, seien es Enrolment-, Merkmalsextraktions- oder Erkennungsfehler, tragen zur (generalisierten) FNIR bei. Ein Enrolment-Fehler wird so behandelt, als ob das Enrolment abgeschlossen worden wäre, der zugehörige Referenzidentifikator taucht jedoch in keiner Kandidatenliste auf. Ein Merkmals- extraktionsfehler wird so behandelt, als ob die Recherche abgeschlossen worden wäre und dabei kein zugehöriger Referenzidentifikator gefunden wurde. Rang-k-FPIR (Rang-k-Falschpositividentifizierungsrate)                  Anteil der Rechechen anhand von Probebildern von nicht enrollten Personen, bei denen das Ähnlichkeitsmaß der ähnlichsten k Kan- didaten einen Schwellwert übersteigt, [3] Recherche (biometrische Identifizierung)               Suche in einer biometrischen Referenzdatenbank nach Kandidaten, die einer biometrischen      Probe ähneln, Seite IOvon37                                 20. Dezember 2019                       IGD-EB-2019-01-1.0.fodt