In den vergangenen zehn Jahren hat man eine rasante Entwicklung im Bereich des Merkmalsrepräsentationslernens und der Distanzmetrikoptimierung beobachtet, wobei diese beiden Schritte oft getrennt voneinander diskutiert werden. Um ihre Interaktion zu untersuchen, schlägt die vorliegende Arbeit ein end-to-end Lernframework namens DARI (Distance metric And Representation Integration) vor und überprüft die Effektivität von DARI bei der anspruchsvollen Aufgabe der Personverifizierung. Basierend auf den mit Labels versehenen Trainingsbildern erzeugen wir zunächst eine große Anzahl von Tripletten-Einheiten, wobei jede Einheit drei Bilder enthält: eines einer Person und zwei referenzbilder, die entweder übereinstimmen oder nicht übereinstimmen. Für jede Tripletten-Einheit wird das Ziel verfolgt, die Distanzdifferenz zwischen dem übereinstimmenden Paar und dem nicht übereinstimmenden Paar zu maximieren. Dieses Ziel erreichen wir durch den Aufbau einer tiefen Architektur aus Faltungsneuralnetzen (Convolutional Neural Networks). Insbesondere wird die Mahalanobis-Distanzmatrix als eine obere, vollständig vernetzte Schicht (fully-connected layer) faktorisiert, die nahtlos mit anderen unteren Schichten integriert ist, die die Bildmerkmale repräsentieren. Die Bildmerkmale und die Distanzmetrik können somit durch einen einstufigen Rückwärtsdurchgang gleichzeitig optimiert werden. Bei mehreren öffentlichen Datensätzen zeigt DARI sehr vielversprechende Leistungen bei der Wiedererkennung von Individuen über Kameras hinweg trotz verschiedener Herausforderungen und übertrifft andere Stand-of-the-Art Ansätze.