Sicherheit für Banken: Moderne Analyse von Videobildern

Nicht zuletzt wegen der entsprechenden Unfallverhütungsvorschriften (UVV Kassen) spielt Videotechnik in Sicherheitskonzepten für Banken schon lange eine wichtige Rolle. In der Konsequenz führt dies nach wie vor zu einer Zunahme von erfassten Bildern und Videodatenströmen. Heute ermöglicht intelligente Software und Videoanalyse es, diese Informationsfülle zu managen und überhaupt sinnvoll zu nutzen. Die Bedeutung solcher Systeme ist in den vergangenen Jahren stark gestiegen.
Der Erfolg von Videosystemen führt dazu, dass Jahr für Jahr mehr Kameras verkauft werden. Die Steigerungsraten liegen anhaltend hoch. Schon jetzt reichen die Möglichkeiten, eine solche Bilderfülle zu verarbeiten oder gar live an Monitorwänden zu verfolgen, nicht mehr aus. Erschwerend hinzu kommt der Umstand, dass in der überwiegenden Zeit in den erfassten Bereichen überhaupt nichts Außergewöhnliches passiert. Das betrifft ganz wesentlich auch die Überwachung von Bankgebäuden außerhalb der Geschäftszeiten. Damit steigt die Gefahr, dass selbst der aufmerksamste Mitarbeiter gerade im entscheidenden Moment von den Videobildern abgelenkt wird und Wichtiges übersieht. Intelligente Videosensorik beziehungsweise -analyse sorgt heute dafür, dass auch sehr große Mengen von Videosignalen ausgewertet und sinnvoll genutzt werden können. Sie entlastet den Menschen und reduziert zugleich den Aufwand. Geeignete Technologien bieten heute eindeutig definierte Informationen und schaffen so die Grundlage für richtige und schnelle Entscheidungen. Die Entwicklung der Videosensorik betrifft die Bereiche Hard-/Software, Algorithmen und Applikation. Die Evolution der Hardware wird bestimmt durch den Paradigmenwechsel von analogen zu digitalen Systemen bzw. von dedizierter Analog-Hardware hin zu einer software-basierten Sensorik. Auch sogenannte Embedded-Systeme, also spezialisierte Rechner-Systeme für eine ganz bestimmte Anwendung, spielen eine immer wichtigere Rolle und teilen sich Ihre Aufgabe zunehmend mit intelligenten Kameras, die eine Vorverarbeitung bereits in der Kamera vornehmen.

Hardware und Software: von analog zu digital

In der Videotechnik hat sich ein tief greifender Wandel von analogen hin zu digitalen Systemen vollzogen. Um den Anwendern in der aktuellen Zeit einen Investitionsschutz zu bieten, haben Unternehmen wie Siemens bereits frühzeitig Zwischenstufen, so genannte Hybridlösungen, in den Markt gebracht. Der langfristige Trend geht doch eindeutig hin zu durchgängig digitalen Systemen. Dabei sind sämtliche Komponenten von der digitalen Bildquelle, z.B. einer IP-Kamera, über das digitale Netzwerk hin zur volldigitalen Verarbeitung und Anzeige der Bilder digital ausgeführt. Einzelne Elemente der Bildverarbeitung wie z.B. Detektion, Speicherung und Signalverteilung können auch schon in die Kamera oder das Netzwerk integriert sein. Solche Systeme sorgen für eine flüssige Live-Videodarstellung. Erst neuartige digitale Video-Komponenten verfügen über eine geeignete Prozessorperformance zur Videokomprimierung und Videoanalyse. Dies wird ermöglicht durch die immer leistungsfähigeren digitalen Prozessoren zur Bildverarbeitung bei gleichzeitig gesunkenem Stromverbrauch und der damit reduzierten Wärmeabgabe. Die Analyseaufgaben eines Videosystems können daher dezentralisiert auf die verschiedenen Komponenten der Verarbeitungskette im System verteilt werden. Das entlastet das Netzwerk und das Managementsystem und reduziert den Bedarf an Speicherplatz.

Algorithmen

Generell existiert kein Universalalgorithmus. Vielmehr muss jedes einzelne Auswerteverfahren individuell für ein jeweils definiertes Anwendungsszenario und dessen Rahmenbedingungen entworfen werden. Solche Szenarien sind z.B. belebte oder unbelebte Szenen, Umgebungsbedingungen und Einflüsse, statische oder sich verändernde Muster und Formen. Die Analyse von Echtzeit- oder ‚Offline-Bildern‘ von Harddisk oder anderen Datenträgern verlangt wiederum andere Algorithmen. Ein wichtiger Erfolgsfaktor ist zudem das Prozessverständnis im jeweiligen Einsatzszenario. Je besser der zu überwachende Prozessablauf und die Störeinflüsse bekannt sind, desto besser sind die Analyseresultate. Algorithmen zur Bewegungsdetektion (Activity detection, Ereignisdetektion) stellen den bisherigen Stand der Bildanalyse-Technik dar. Dabei handelt es sich um einen einfachen deterministischen Algorithmus, bei dem Veränderungen in nachfolgenden Bildern erkannt werden. Diese Algorithmen werden in Videosensoren, Kameras und Bildspeichern eingesetzt. Nur wenn das System eine Aktivität im Bild festgestellt hat, wird aufgezeichnet und auch nur dann erfolgt die Übertragung oder eine Aufschaltung zum Bildschirm. Damit lässt sich z.B. die Nacht-Überwachung von Bankobjekten deutlich optimieren. Die Vorteile dieser Technologie liegen in ihrer geringen Komplexität, der einfach zu implementierenden Software und der Möglichkeit, schnell auszuwerten. Bereits bei einer vergleichsweise geringen Systembelastung wird das Personal damit wirkungsvoll entlastet. Auf der anderen Seite reagiert dieser Algorithmus empfindlich bei Bildrauschen und Beleuchtungsänderungen. Eine deutlich höhere Detektionssicherheit gewährleisten Algorithmen zur Hintergrund-Modellierung bzw. Bewegungssegmentierung. Solche Systeme sind heute die State-of-the-Art-Analyse für hochwertige Video-Sensor-Systeme. Die Trennung von Vordergrund und Hintergrund führt zur Festlegung von kompletten Objekten. Dadurch können Objekte unabhängig von ihrer Bewegungsgeschwindigkeit detektiert werden. Durch die Fähigkeit zur automatischen Adaption ist die Detektionsgüte hoch und vor allem unabhängig von Objektgeschwindigkeit und Lichtänderungen. Solche Algorithmen sind allerdings deutlich komplexer als Algorithmen zur Bewegungsdetektion und sie stellen für die Echtzeit-Bildanalyse hohe Anforderungen an die Prozessoren.

Merkmalbasierte Objektklassifikation

Video-Sensoren mit statistischer Hintergrundmodellierung haben das Entwicklungsende erreicht. Als nächster Entwicklungsschritt in der Videoanalyse hat sich deshalb bereits die so genannte merkmalbasierte Objektklassifikation etabliert. Damit lassen sich Objekte auf überfüllten Bereichen segmentieren und klassifizieren. Sie können so voneinander abgegrenzt werden und dabei, anders als bei der statistischen Hintergrundmodellierung, auch verdeckt sein. Auch zwischen Schatten und Objekten kann das System selbstständig unterscheiden. Zunehmend halten auch lernende Algorithmen Einzug. Sie können erkennen, wie viele Menschen anwesend sind. Der Nachteil dieser Algorithmen besteht darin, dass sie eine hohe Rechenleistung benötigen, was allerdings bei den schnellen Prozessor-Innovationszyklen und der bereits vorhandenen Rechenpower nur als Vergleichswert auffällt, aber nicht in der Anwendung. Über die genannten Detektionsverfahren hinaus stehen speziell für bestimmte Anwendungen wie z.B. Verkehrsanlagen entwickelte Algorithmen zur Verfügung.

Zusammenfassung

Die zunehmende Anwendung von intelligenten Videosystemen wird zu einer weiter steigenden Datenmenge führen, die verarbeitet und vom Anwender gemanagt werden muss. Die neuartigen digitalen Videosysteme vereinen die nötige Leistungsfähigkeit von geeigneter Hardware mit der intelligenten Videoanalyse sowie mit nutzerfreundlicher Software. Damit ermöglichen sie es dem Anwender, diese Aufgabe komfortabel, zuverlässig und sicher zu bewältigen. Intelligente Videosysteme sind also der Schlüssel zur Optimierung von Sicherheit und Effizienz in diesen Arbeitsprozessen.