In der modernen Gesellschaft gewinnt die Biometrie, insbesondere durch die Steigerung der Erkennungsleistung der Systeme, zunehmend an Bedeutung. In manchen Bereichen, zum Beispiel bei automatischen Grenzkontrollen, ist der Einsatz biometrischer Systeme alternativlos.

Trotz aller Vorteile biometrischer Systeme stellt die Angreifbarkeit dieser noch immer ein Problem dar. So bieten Gesichtserkennungssysteme verschiedene Angriffspunkte, zum Beispiel durch auf Papier gedruckte Gesichter oder Gummimasken. Neben den länger bekannten und gut erforschten Präsentationsangriffen besteht auch die Gefahr des so genannten Morphingangriffs.

Das Forschungsfeld im Zusammenhang mit Morphingangriffen ist noch jung, weshalb es bisher erst in einem überschaubaren Umfang bearbeitet wurde. Bei Publikationen, welche Algorithmen zur Erkennung von Morphingangriffen vorschlagen, mangelt es häufig an einheitlichen Datenbanken und Evaluationsmethoden, was zu einer begrenzten Vergleichbarkeit der bisher publizierten Arbeiten führt. Daher liegt der Fokus der vorliegenden Dissertation auf der umfassenden Analyse unterschiedlicher Merkmale und Klassifikatoren auf ihre Eignung als Algorithmen zur Erkennung von Morphingangriffen. Hierbei wird mit einheitlichen Metriken auf einer realistischen Morphing Datenbank evaluiert, sodass verschiedene realitätsnahe Szenarien abgebildet werden können.

Steht nur der mutmaßliche Morph zur Verfügung, so kann HOG in Kombination mit einer SVM Morphs mit einer D-EER zwischen 13.25% und 24.05% detektieren. Steht zusätzlich eine vertrauenswürdige Aufnahme, zum Beispiel aus der Grenzkontrolle, zur Verfügung, so kann eine Kombination aus den tiefen ArcFace Merkmalen in Kombination mit einer SVM Morphs mit einer D-EER zwischen 2.71% uns 7.17% detektieren.