In der Videoüberwachung werden Bildanalysen immer wichtiger. Die Technik vor allem bei der KI-basierten Videoanalyse entwickelt sich rasant weiter: Neben der optischen Beweissicherung bieten sich Anwendern immer mehr Möglichkeiten zur automatischen oder teilautomatisierten Analyse von Bilddaten mittels Videoanalyse und KI.
Der Mensch bremst
Eine Analyse der Geschehnisse in der Videoüberwachung kann live – zum Beispiel bei der Überwachung öffentlicher Plätze – oder im Nachhinein erfolgen, wenn das Geschehen rund um eine Straftat eingegrenzt werden soll. Klassischerweise wurde und wird die Aus- und Bewertung von Videobildern noch von Menschen vorgenommen, also einem Mitarbeiter in einer Überwachungszentrale. Die Herausforderung dabei: Wenn ein Mensch ein Video analysiert, dann kann er das nur mit normaler Geschwindigkeit machen, also nicht im Schnellvorlauf. Auch mehrere Videos parallel zu analysieren, wird sehr schwierig.
Die KI assistiert
Sollen nun Aufzeichnungen von dutzenden oder hunderten Kameras, gegebenenfalls auch noch über mehrere Tage oder sogar Wochen analysiert werden, stoßen »rein menschliche« Verfahren schnell an ihre Leistungsgrenze – sowohl was die verfügbaren Personalressourcen als auch die Kosten betrifft. Dafür gibt es in der Videoanalyse heute Software, die die Ermittler oder Einsatzkräfte tatkräftig unterstützt. Und dabei wird zusehends mehr Künstliche Intelligenz eingesetzt.
Kameras sind dabei prinzipiell als optische Sensoren hervorragend zur Erfassung von solchen Analysedaten geeignet: Es gibt kaum bessere Wege, mit relativ geringem Aufwand verschiedene Arten von Daten aus komplexen Zusammenhängen zu extrahieren, als ein Videobild sie eröffnet. Und die Aufnahmen, z. B. für die Beweisführung vor Gericht, gibt es gleich noch dazu.
Die Möglichkeiten der Videoanalyse mit KI-Unterstützung sind dabei vielfältig; hier einige Beispiele:
- Crowd-Analysen zum Zählen von Personen oder Objekten, z. B. um die Sicherheit bei Großereignissen zu gewährleisten oder am Flughafen einen weiteren Schalter zu öffnen, wenn zu viele Passagiere anstehen.
- Ship Detection ermöglicht das Erkennen von kleinen Wasserfahrzeugen zur Vorbeugung von Terroranschlägen oder aus anderen Sicherheitsgründen in Häfen und Raffinerien mit Tankschiffhafen.
- Smart-Search-Techniken helfen beim Auffinden von Personen oder Objekten basierend auf bestimmten Merkmalen, wie etwa der Farbe der Oberbekleidung.
- Intrusion-Detection-Systeme helfen dabei, bei der Absicherung von Liegenschaften zwischen Fehlalarmen und echten Gefährdungen zu unterscheiden.
KI-basierter Perimeterschutz
Ein Beispiel für den Einsatz von Videoanalyse mit KI-Unterstützung ist das Container Terminal Herne (CTH) in Deutschland (Bild 1). Dieses setzt auf eine Kombination aus patentierten Panomera Multifocal-Sensorkameras des bayerischen Herstellers Dallmeier und einer KI-basierten Videoanalyse. Das Unternehmen sichert damit eine Fläche von rund 80.000 m2 ab.
Die KI-basierte Videoanalyse agiert hier als Assistenzsystem, das nur verifizierte Alarme an eine externe Notruf- und Serviceleitstelle weiterleitet. Die Operatoren werden somit entlastet, und der erhöhte Diebstahl- und Versicherungsschutz machen den Standort für Bestands- und Neukunden attraktiver.
Falschalarme in sterilen Zonen reduzieren
Die Überwachung schmaler Streifen entlang von Perimetern wie Zäunen, Gebäuden oder Straßen, häufig auch als »sterile Zonen« bezeichnet, gehört zu den anspruchsvollsten Anforderungen an die physische Sicherheit. Bisher erfüllten Videosysteme gerade in Umgebungen mit hohen Sicherheitsansprüchen häufig nicht die Erwartungen der Anwender: Eine unbefriedigende Erkennungsleistung, viele Falschalarme und vor allem eine leichte Manipulierbarkeit der Analytik sind vielfach genannte Nachteile. Weitere Mankos waren die mangelnde Bildqualität und hohe Infrastrukturkosten, insbesondere durch die große Zahl an benötigten Kameras.
(Bild: Dallmeier)
Speziell für den Perimeterschutz zum Beispiel bei Kritischen Infrastrukturen hat Dallmeier die neue »Panomera S4 Perimeter« entwickelt (Bild 2). Sie vereint vier Sensoren in einer optischen Einheit, wodurch pro Kamera eine Auflösung von 200 effektiven Megapixeln (MPe) zur Verfügung steht. Zusammen mit einer speziell für die Anforderungen am Perimeter trainierten KI-Objektklassifizierung und einer »KI Tamper Detection« zur Erkennung von Manipulationsversuchen ergibt sich eine Lösung mit vergleichsweise geringem Infrastruktur-, System- und Personalaufwand.
Künstliche Intelligenz erkennt den »kriechenden Ghillie-Anzug«
Durch ihr speziell für den Perimeterschutz trainiertes neuronales Netz erkennt die »Panomera S4 Perimeter« auch Personen mit ungewöhnlichen Körperhaltungen wie gebückt, hockend oder liegend sowie Bewegungsmustern wie sehr langsam, sehr schnell oder kriechend. Auch Personen in Tarnanzügen wie »Camouflage Central Europe«, »British Smock« oder »Ghillie« werden zuverlässig erkannt.
Die erweiterte »KI Tamper Detection«-Applikation unterstützt die Erkennung von Manipulationsversuchen, die typischerweise an einem Perimeter zu erwarten sind. Neben den klassischen Ansätzen wie Verdrehen, Defokussieren, Besprühen und Abdecken der Kamera oder Infrarot-Beleuchtung wird auch das Blenden der Kamera mittels Laserpointer, Taschenlampe oder Stroboskoplicht erkannt. Darüber hinaus werden indirekte Manipulationen durch absichtliches Vernebeln des Erfassungsbereichs mit Pyrotechnik wie Nebelgranaten oder Rauchtöpfen erkannt und alarmiert (Bild 3). Die Kombination beider Auswertetechniken ermöglicht die zuverlässige Detektion von Eindringversuchen mit einer geringen Fehler- und Falschalarmrate.
Künstliche Intelligenz erkennt den »kriechenden Ghillie-Anzug«
Durch ihr speziell für den Perimeterschutz trainiertes neuronales Netz erkennt die »Panomera S4 Perimeter« auch Personen mit ungewöhnlichen Körperhaltungen wie gebückt, hockend oder liegend sowie Bewegungsmustern wie sehr langsam, sehr schnell oder kriechend. Auch Personen in Tarnanzügen wie »Camouflage Central Europe«, »British Smock« oder »Ghillie« werden zuverlässig erkannt.
Die erweiterte »KI Tamper Detection«-Applikation unterstützt die Erkennung von Manipulationsversuchen, die typischerweise an einem Perimeter zu erwarten sind. Neben den klassischen Ansätzen wie Verdrehen, Defokussieren, Besprühen und Abdecken der Kamera oder Infrarot-Beleuchtung wird auch das Blenden der Kamera mittels Laserpointer, Taschenlampe oder Stroboskoplicht erkannt. Darüber hinaus werden indirekte Manipulationen durch absichtliches Vernebeln des Erfassungsbereichs mit Pyrotechnik wie Nebelgranaten oder Rauchtöpfen erkannt und alarmiert (Bild 3). Die Kombination beider Auswertetechniken ermöglicht die zuverlässige Detektion von Eindringversuchen mit einer geringen Fehler- und Falschalarmrate.
Von toten Winkeln, Datenschutz und Vorzonen
Die spezielle Perimeter-Geometrie der Kamera minimiert tote Winkel und vermeidet die Erfassung uninteressanter Bereiche jenseits des Zauns – ein wichtiger Vorteil für den Datenschutz (Bild 4). Die Sensoren sind je nach Modell rechts oder links ausgerichtet und perspektivisch angeordnet. So können auch ungewöhnliche Körperhaltungen und Bewegungsabläufe erkannt werden. Die Kamera erfasst den Oberkörper einer stehenden Person bereits ab einer Entfernung von 4 m und ermöglicht so eine gezielte Überwachung ohne unnötige Erfassung angrenzender Bereiche.
Die neueste Sensorgeneration der »Panomera S4 Perimeter« ist im Infrarotbereich dreimal lichtempfindlicher als ihre Vorgängermodelle und liefert auch bei schwacher IR-Beleuchtung gute Ergebnisse. Ein Dynamikbereich von 130 dB ermöglicht die Erfassung von Details bis zu einer Entfernung von 200 m, auch bei schwierigen Lichtverhältnissen.
Mit der »AI Perimeter«-App definieren Anwender besonders geschützte Bereiche mit Vorzonen. Dringen relevante Objekte (wie Personen oder Fahrzeuge) in diese Zonen ein, ermöglicht sie die Eskalation entsprechender Meldungen, um die Aufmerksamkeit der Operatoren gezielt auf die wichtigsten Ereignisse zu lenken.
