Zahlreiche Monitore in einem Kämmerchen, die Live-Bilder von Kameras vor Hauseinfahrten, auf Gängen und Vorplätzen zeigen; ein Security-Mitarbeiter, der davor sitzt und die Bildschirme mehr oder weniger aufmerksam beobachtet – das ist das klassische Szenario einer Videoüberwachung, wie sie lange Zeit im Objektschutz von Ministerien, Museen oder Botschaften verbreitet war.

Dank des Booms in der automatischen Bilderkennung durch künstliche Intelligenz (KI) und Machine-Learning-Algorithmen kommen aber auch hier zunehmend intelligentere Systeme zum Einsatz. Sie schlagen Alarm, wenn die Kamerabilder ungewohnte Situationen zeigen.

Der Haken dabei: Der Anteil an Fehlalarmen ist meist noch viel zu hoch. Das liegt daran, dass vielerlei Phänomene auftreten können, die zwar ungewohnt sind, aber keineswegs auf verdächtige Vorgänge, unbefugtes Betreten oder Gefahrensituationen hindeuten.

Eine Spiegelung in einer Glasfassade, der Sturm, der Blätter durchs Bild weht, eine Spinne, die sich vor der Kameralinse abseilt – ungeklärte Bewegungen dieser Art sind für die Systeme kaum einzuordnen. Das führt dazu, dass das Sicherheitspersonal alle diese Kamerabilder nun erst wieder von Hand kontrollieren muss.

"Schutz der Außenhaut"

Im Projekt "Skin" haben sich Experten in den letzten Jahren einem verbesserten "Schutz der Außenhaut kritischer Infrastrukturen" gewidmet. Gemeinsam mit dem Sicherheitstechnikdienstleister PKE, bei dem die Projektleitung lag, und dem Innenministerium, dem Verteidigungsministerium und dem Vienna Centre for Societal Security (VICESSE) als Partner arbeiteten Forscher des Software Competence Center Hagenberg (SCCH) daran, die automatisierten Analysesysteme verlässlicher zu machen und Fehlalarme zu reduzieren.

"Skin" wurde im Rahmen des Sicherheitsforschungsprogramms Kiras unterstützt, das im Verantwortungsbereich des Landwirtschaftsministeriums angesiedelt ist und von der Förderagentur FFG gemanagt wird.

Der Schlüssel zur Verbesserung der Überwachungssysteme ist für Bernhard Moser, den Forschungsdirektor des SCCH, die Information, die in den Bewegungsabläufen steckt – im Gegensatz zur Analyse jeweils einzelner Bilder. "Der Mensch hat genug Fantasie, um sich ausgehend von einem statischen Bild eine Szene vorzustellen und die Bewegung, den Kontext mitzudenken", sagt Moser. "Der künstlichen Intelligenz fehlt diese Fähigkeit."

Bewegungsmuster vorhersagen

Im Rahmen von Behavorial Analytics, die auf zeitliche Abfolgen in Kamerabildern fokussiert, wird das "Verständnis" des Computers für eine Situation erhöht. Moser: "Wenn jemand Kaffee holt, hat das einen bestimmten Ablauf. Die Bewegungen haben eine innere Logik, eine Grammatik – ähnlich der eines Satzes." Kein Wunder also, dass die KI-Systeme, die die Bewegungsmuster untersuchen, jenen der Sprachanalyse ähneln.

Die Systeme sollen etwa aufgrund einer Anfangsbeobachtung Vorhersagen treffen. Wenige Momente später wird verglichen, ob die Realität der nachkommenden Bilder mit diesen Prognosen übereinstimmt. Der Aufschlüsselung der Kamerabilder liegt dabei eine Unzahl von statistischen Berechnungen zugrunde. Objekte werden über mehrere Bilder hinweg getrackt.

"Für den Menschen ist klar, dass eine Person, die hinter einer Säule verschwindet, wahrscheinlich auf der anderen Seite gleich wieder hervorkommt – für den Computer aber keineswegs", sagt Moser. Das System erkennt eine Vielzahl sogenannter Tracklets, Bruchstücke von Bewegungsabläufen, um aufgrund dieser auf Trajektorien, also längerfristige Bewegungsabläufe, zu schließen. Letztendlich soll dank statistischer Analysen eine Einschätzung entstehen, welche Aktionen häufig vorkommen und was eine Anomalie sein könnte.

Anomalien-Cluster

Die Forscher haben das System mit Videoaufzeichnungen aus einem ganzen Jahr hinweg trainiert, um der KI beizubringen, welche Situationen üblich und "normal" sind. Anomalien werden nicht einfach nur gemeldet, sondern in Clustern mit gleichartigen Vorgängen zusammenfasst. Diese werden durch Menschen kontrolliert – wobei der Computer die Information erhält, ob sie aus Sicherheitsperspektive relevant sind oder nicht.

Die Einschätzungen werden so mit der Zeit genauer. Auf diese Art lernt die KI, dass der Cluster mit den sich vor der Kamera abseilenden Spinnen vielleicht nicht relevant ist, veranschaulicht Moser. Andere Ereignisse – etwa wenn eine Person über eine Mauer steigt – sollen als berechtigte Alarmanlässe verbleiben.

Insgesamt konnte laut den Ergebnissen von "Skin" die Fehleranfälligkeit der Videoüberwachung um etwa 65 Prozent pro Kamera und Tag reduziert werden. Die Ergebnisse sind Grundlage einer Reihe weiterer Projekte: etwa zur Verhaltensvorhersage im Sicherheitsbereich – zum Beispiel an Flughäfen –, aber auch zur Optimierung des Stadtgüterverkehrs oder zur Überwachung des toten Winkels bei Schienenfahrzeugen. (Alois Pumhösel, 16.6.2020)