Die Gesichtssuche vergleicht keine Bilder. Sie verwandelt jedes Gesicht in eine feste Zahlenreihe — einen Vektor — und vergleicht diese Vektoren. Zwei Fotos derselben Person, Jahre auseinander und in verschiedenen Räumen aufgenommen, ergeben Vektoren, die dicht beieinanderliegen, obwohl die Bilder fast keine Pixel gemeinsam haben.

Wenn du die vier Stufen verstehst, weißt du genau, warum manche Screenshots sofort funktionieren und andere scheitern, egal wie oft du es erneut versuchst.

Was passiert in Stufe eins, der Erkennung?

Die Erkennung beantwortet eine engere Frage, als die meisten erwarten: Wo in diesem Bild ist ein Gesicht, und wo liegen seine fünf Schlüsselpunkte?

Der Detektor scannt das Bild und liefert für jedes gefundene Gesicht einen Rahmen plus fünf Landmarkenkoordinaten — linkes Auge, rechtes Auge, Nasenspitze, linker Mundwinkel, rechter Mundwinkel. Wir verwenden dafür YuNet. Mit Identität hat das noch nichts zu tun; das ist reine Geometrie.

Scheitert die Erkennung, scheitert alles Nachgelagerte. Und sie scheitert aus Gründen, die mit Bildqualität im üblichen Sinn nichts zu tun haben: eine Hand vor dem Mund, ein strenges Profil, ein Gesicht, das kleiner ist als die Mindestgröße des Detektors.

Was passiert in Stufe zwei, der Ausrichtung?

Die Ausrichtung nutzt diese fünf Landmarken, um das Gesicht in eine kanonische Position zu verzerren — Augen auf einer waagerechten Linie, an festen Koordinaten, in fester Größe.

Dieser Schritt ist der Grund, warum ein geneigter und ein frontaler Kopf vergleichbar werden. Jedes Gesicht, das in den Encoder geht, kommt in derselben Pose an, in derselben Größe, auf dieselbe Region beschnitten. Achte darauf, was dieser Beschnitt wegwirft: den größten Teil der Haare, die Kleidung, den Hintergrund, den Raum. Nichts davon gehört zum Identitätssignal.

Das erklärt auch einen häufigen Ärger. Sind die Landmarken leicht daneben — weil etwa ein Auge verdeckt ist —, verzerrt die Ausrichtung das Gesicht falsch, und der entstehende Vektor ist auf eine Weise falsch, die wie eine selbstbewusste Antwort aussieht.

Was passiert in Stufe drei, der Kodierung?

Ein Encoder-Netz macht aus dem ausgerichteten Gesicht einen Vektor aus 512 Zahlen. Wir verwenden dafür ArcFace. Dieser Vektor ist die mathematische Beschreibung des Gesichts.

Nützlich wird er durch das Trainingsziel: Das Netz wird so trainiert, dass Vektoren derselben Identität eng zusammenrücken und Vektoren verschiedener Identitäten auseinanderdriften. Es lernt nicht zu beschreiben, wie ein Gesicht aussieht, sondern wer es ist.

Stufe Eingabe Ausgabe Scheitert, wenn
Erkennung (YuNet) Gesamtes Bild Rahmen + 5 Landmarken Gesicht verdeckt, zu klein, extremer Winkel
Ausrichtung Rahmen + Landmarken Standardisierter Gesichtsausschnitt Landmarken ungenau sind
Kodierung (ArcFace) Ausgerichteter Ausschnitt Vektor aus 512 Zahlen Ausschnitt beschädigt, unscharf oder stark komprimiert ist
Vergleich Vektor Sortierte Liste mit Werten Nie — es kommt immer etwas zurück

Die letzte Zeile ist die wichtige, und sie verdient einen eigenen Abschnitt.

Was passiert in Stufe vier, dem Vergleich?

Der Vergleich misst die Kosinusähnlichkeit zwischen deinem Vektor und jedem Vektor im Index und gibt dann die nächstliegenden der Reihe nach zurück.

Die Kosinusähnlichkeit läuft von 0 bis 1 und beschreibt den Winkel zwischen zwei Vektoren. Auf unseren Daten liegt der für Videostills kalibrierte Schwellenwert bei 0.40. Darüber gilt ein Paar als wahrscheinlich dieselbe Person; darunter ist das Ergebnis Rauschen, das zufällig am nächsten lag.

Dieser letzte Punkt ist das am meisten missverstandene an der Vektorsuche: Sie gibt nie nichts zurück. Frag sie nach den zehn nächstliegenden Gesichtern, und du bekommst zehn — auch dann, wenn die richtige Person im Index überhaupt nicht vorkommt. Der Wert ist das Einzige, was eine echte Antwort von der nächstbesten fremden Person unterscheidet. Eine sortierte Liste ohne Werte ist unlesbar.

Warum entscheidet der Index darüber, was auffindbar ist?

Weil der Vergleich nur sortieren kann, was bereits kodiert wurde. Ein Index ist keine Suche im Web; er ist eine feste Menge vorab berechneter Vektoren.

Unserer enthält 241,792 Gesichter, von denen 2,333 mit einer benannten Darstellerin verknüpft sind, gezogen aus Covern und Stills von 106 Seiten (unser Index, Stand 2026-08). Zwei Konsequenzen folgen unmittelbar:

  • Ein Gesicht, das im Index existiert, aber nie mit einem Namen verknüpft wurde, kommt als namenlose Identität zurück. Das ist häufig — allein unsere Ähnlichkeitsdaten enthalten 7,004 Verweise auf Identitäten ohne Namen.
  • Ein nie indexiertes Gesicht kann bei keinem Wert zurückkommen. Das Werkzeug zeigt dir trotzdem seine nächstliegenden Vermutungen.

Eine Grenze, die genannt gehört: Unsere Quellen sind konzentriert. 2,246 von 2,333 benannten Darstellerinnen beziehen ihr repräsentatives Bild von einer einzigen Seite. Die Abdeckung spiegelt daher wider, was diese Quellen veröffentlicht haben, nicht die gesamte Produktion der Branche.

Wie unterscheidet sich das von der Rückwärtssuche nach Bildern?

Die Rückwärtssuche sucht Kopien deines gesamten Bildes. Die Gesichtssuche sucht dieselbe Identität über verschiedene Bilder hinweg. Sie scheitern und gelingen unter genau entgegengesetzten Bedingungen.

Rückwärtssuche nach Bildern Gesichtssuche
Vergleicht Fingerabdruck des Gesamtbilds Gesichtsvektor
Braucht das exakte Bild online Ja Nein
Profitiert vom Zuschnitt aufs Gesicht Nein — wird schlechter Ja — das ist die Eingabe
Übersteht anderes Licht und andere Pose Schlecht Von Haus aus
Funktioniert mit einem selbst aufgenommenen Einzelbild Nein Ja

Wenn ein Werkzeug schlechter wird, sobald du aufs Gesicht zuschneidest, macht es keine Gesichtssuche. Das ist eine verlässliche Ein-Test-Diagnose.

Verwandte Fragen

Am schnellsten verstehst du die Pipeline, wenn du ihr beim Laufen zusiehst. Lade hier ein Einzelbild hoch: Erkennung und Ausrichtung passieren in deinem Browser, zum Vergleich werden nur der zugeschnittene Gesichtsbereich und seine fünf Landmarken gesendet, und das Original verlässt dein Gerät nie.