Einsatz von Künstlicher Intelligenz soll künftig Objektschutz optimieren

Bislang erfolgt die Überwachung von öffentlichen Gebäuden wie Botschaften, Museen oder Ämtern über Kamerasysteme. Diese liefern Bilder auf Monitore in einen Kontrollraum, wo die Vorgänge von Menschen überwacht werden. Ungeklärte Bewegungen rund um das Gebäude lösen Alarm aus. Die Aufgabe im Projekt SKIN ist es, die Fehleranfälligkeit der Videoüberwachung um etwa 65 Prozent zu reduzieren, indem Bewegungsmuster aus den Videos abgeleitet und qualifiziert werden.

Aus Daten Wissen generieren

„Wir befassen uns hier im Bereich Künstliche Intelligenz (KI) mit Deep Learning, also dem vertiefenden Lernen von vernetzten Systemen. Es geht dabei um wissensbasierte Ereigniserkennung. Basis dafür sind große Mengen an Videodaten in Kombination mit Technologien, die beobachtete oder vorhersehbare Umstände wie Wetter oder typische Bewegungsmuster berücksichtigen. Ziel ist es, ein Netz so zu trainieren, dass es lernt, definierte Situationen zu erkennen und nicht bei jeder Bewegung eines Baumes Alarm zu schlagen“, erklärt Bernhard Moser, der Forschungsdirektor des SCCH. Denn aktuell löst ein Überwachungssystem noch zu oft Alarm aus, damit ein Mensch kontrolliert, ob ein beobachteter Vorgang eine Bedrohung für die Gebäudesicherheit darstellt. Für den Wachdienst ist dies jedoch ermüdend: Er muss sich mit jedem einzelnen befassen, auch wenn die Wahrscheinlichkeit hoch ist, dass es sich um einen Falschalarm handelt.

Vielversprechende Ergebnisse

Die Ergebnisse des Projektes seien sehr vielversprechend, meint Werner Kloihofer von der PKE Holding AG, welche als wissenschaftlicher Partner die Leitung für das Projekt überhatte. „Mit dem Markttrend hin zu Smart Cameras mit integrierter Bewegungsanalyse ermöglicht der gewählte Ansatz einen Mehrwert, der sonst nicht zu erreichen wäre.“