-
Stand der Technik
-
Die Personenerkennung ist technisch betrachtet in den letzten Jahrzehnten immer leistungsfähiger geworden, wobei insbesondere unter Nutzung von neuronalen Netzen eine Detektion und/oder Verfolgung von Personen in vielen Fällen fehlerfrei funktioniert.
-
Während somit die Technik immer leistungsfähiger geworden ist, haben sich Bedenken hinsichtlich der grenzenlosen Nutzung von personenbezogenen Daten in der Gesellschaft entwickelt, die auch von der technischen Entwicklung wahrgenommen und berücksichtigt werden.
-
Ein sehr frühes Beispiel für ein Videoüberwachungssystem, welches die Privatsphäre respektiert, ist durch die Druckschrift
DE 101 589 90 C1 gegeben, die wohl den nächstkommenden Stand der Technik bildet. Diese Druckschrift offenbart ein Videoüberwachungssystem, das dazu dient, in einer Überwachungsszene Objekte, die die Privatsphäre einer Person berühren, zu maskieren. Zu solchen Objekten gehören Kennzeichen von Fahrzeugen oder die Person selbst.
-
Gegenstand der Erfindung ist ein Verfahren zur Detektion von Vergleichspersonen zu einer Suchperson mit den Merkmalen des Anspruchs 1, eine Überwachungsanordnung zur Detektion von Vergleichspersonen zu einer Suchperson mit den Merkmalen des Anspruchs 7 sowie ein Computerprogramm mit den Merkmalen des Anspruchs 14 und ein computerlesbares Medium mit den Merkmalen des Anspruchs 15. Bevorzugte oder vorteilhafte Ausführungsformen der Erfindung ergeben sich aus den Unteransprüchen, der nachfolgenden Beschreibung sowie den beigefügten Figuren.
-
Offenbarung der Erfindung
-
Gegenstand der Erfindung ist ein Verfahren, welches die Detektion von Vergleichspersonen zu einer Suchperson umsetzt oder umfasst.
-
Das Verfahren kann insbesondere in öffentlichen oder privaten Bereichen und/oder Gebäuden oder Anlagen als Überwachungsbereich eingesetzt werden, wobei sich in dem Überwachungsbereich Personen aufhalten können. Beispiele für solche Überwachungsbereiche sind Bahnhöfe, Flughäfen, jedoch auch öffentliche Gebäude wie zum Beispiel Gerichte, Behörden, oder freie Plätze, wie zum Beispiel Fußgängerzonen, Marktplätze oder dergleichen.
-
Bei dem Verfahren wird eine Vielzahl von Personen in dem Überwachungsbereich durch Extraktion von Werten für Klassifikationsmerkmale als Klassifikationspersonen klassifiziert. Die Extraktion der Werte erfolgt aus einem oder mehreren Klassifikationsbildern der Klassifikationspersonen. Somit ist es möglich, dass für eine Klassifikationsperson genau ein Klassifikationsbild oder mehrere Klassifikationsbilder oder eine Sequenz, insbesondere eine zeitlich ablaufende Sequenz, für die Extraktion der Werte herangezogen werden. Beispielsweise werden als Werte Merkmalsvektoren der Klassifikationsmerkmale gebildet. Besonders bevorzugt stammen die Klassifikationsbilder der Klassifikationspersonen von mehreren Überwachungskameras, wobei die mehreren Überwachungskameras in dem Überwachungsbereich verteilt angeordnet sind.
-
Es ist vorgesehen, dass die Klassifikation mehrdeutig ist, so dass die Klassifikation keine eindeutige Identifizierung einer der Klassifikationspersonen ermöglicht. Die Mehrdeutigkeit kann zum einen durch die Bildqualität des mindestens einen Klassifikationsbilds und zum anderen durch die Auswahl und/oder die Definition der Klassifikationsmerkmale künstlich erzeugt werden.
-
Vorzugsweise ist für jede Klassifikationsperson mindestens oder genau eine weitere Person mit den gleichen Werten für die Klassifikationsmerkmale oder zumindest mit der gleichen Klassifikation vorgesehen, so dass die Mehrdeutigkeit sichergestellt ist.
-
Bei dem Verfahren wird bei einer Suche nach einer Suchperson mindestens oder genau ein Suchbild verwendet. Somit kann für die Suchperson genau ein Suchbild, mehrere Suchbilder oder eine Sequenz, insbesondere zeitlich ablaufende Sequenz, für das mindestens eine Suchbild verwendet werden. Aus dem mindestens einen Suchbild werden Werte von Suchmerkmalen extrahiert. Vorzugsweise umfassen die Suchmerkmale die Klassifikationsmerkmale oder sind durch diese gebildet.
-
Es wird ein Vergleich zwischen den Werten von Suchmerkmalen aus dem Suchbild mit Werten von Klassifikationsmerkmalen der Personen durchgeführt, wobei mindestens zwei Personen bei dem Vergleich als Vergleichspersonen ausgegeben werden. Der Vergleich kann beispielsweise durch ein neuronales Netz umgesetzt werden. Durch die Ausgabe von mindestens zwei Vergleichspersonen ist die Mehrdeutigkeit der Klassifikation umgesetzt. Insbesondere werden bei jeder derartigen Suche mindestens zwei Vergleichspersonen ausgegeben, so dass bei diesem Verfahrensschritt sichergestellt ist, dass keine eindeutige Identifizierung der Suchperson ermöglicht ist.
-
Es ist dabei eine Überlegung der Erfindung, dass durch die mehrdeutige Klassifikation bei einer Suche nach einer Suchperson gezielt ein mehrdeutiges und kein eindeutiges Ergebnis für die Suchperson erreicht werden soll. Dies führt zum einen dazu, dass nicht nur eine quasi-identische Personen als Vergleichsperson ausgegeben wird, sondern auch ähnliche Vergleichspersonen, so dass sich in diesem Verfahrensschritt die Auswahl der Personen vergrößert und somit ein breiteres, umfangreicheres Ergebnis erzeugt wird.
-
Alternativ oder ergänzend reflektiert die Erfindung Datenschutzvorgaben, insbesondere Art. 9 Abs. 1 DSGVO, welche die Verarbeitung von biometrischen Daten einschränkt und insbesondere die Verarbeitung von biometrischen Daten, welche eine eindeutige Identifikation einer Person ermöglichen, ohne Einwilligung oder andere Randbedingungen, welche üblicherweise in einem derartigen Überwachungsbereich nicht gegeben sind, verbietet. Somit wird durch die Erfindung sichergestellt, dass keine biometrischen Daten verwendet werden, welche eine eindeutige Identifikation einer Person ermöglichen.
-
Vorzugsweise werden die mindestens zwei Vergleichspersonen datentechnisch ausgegeben, zum Beispiel auf einem Bildschirm dargestellt, auf einem Drucker ausgedruckt etc.
-
Bei einer bevorzugten Ausgestaltung der Erfindung weisen die Klassifikationsbilder eine Bildqualität auf, welche aktiv verschlechtert, insbesondere degradiert ist. Dabei ist es zum einen möglich, dass die Bildqualität dadurch aktiv verschlechtert wird, dass die Überwachungskameras die Klassifikationsbilder mit einer verschlechterten Bildqualität aufnehmen. Beispielsweise können die Klassifikationsbilder mit einer Auflösung aufgenommen werden, welche geringer als eine mögliche Auflösung der Überwachungskameras ist. Alternativ oder ergänzend können die Klassifikationsbilder verschlechtert, insbesondere defokussiert und somit unscharf aufgenommen werden. Somit ist die Bildqualität der Klassifikationsbilder gegenüber einer möglichen Bildqualität der Klassifikationsbilder verschlechtert.
-
Zum anderen ist es möglich, dass die Klassifikationsbilder mit einer besseren Bildqualität aufgenommen werden und nachträglich aktiv verschlechtert, insbesondere degradiert, werden. Die Degradation der Klassifikationsbilder kann beispielsweise durch eine nachträgliche Reduktion der Auflösung erreicht werden. Alternativ oder ergänzend können die Klassifikationsbilder mit einem Blur-Effekt und/oder Defokussierung und/oder einer Unschärfe versehen werden. Somit ist die Bildqualität der Klassifikationsbilder gegenüber einer tatsächlichen Bildqualität der Klassifikationsbilder verschlechtert.
-
Prinzipiell kann die Verschlechterung der Bildqualität über das gesamte Klassifikationsbild erfolgen, dies datentechnisch und/oder physikalisch besonders einfach umzusetzen. Bei einer bevorzugten Weiterbildung der Erfindung wird jedoch nur ein Teilbereich des Klassifikationsbildes in der Bildqualität verschlechtert, wohingegen der Restbereich unmodifiziert oder weniger verschlechtert verbleibt. Insbesondere bildet der Teilbereich einen Kopf der Person ab, so dass die Person bildverschlechtert-maskiert ist.
-
Diesen Maßnahmen liegt die Überlegung zugrunde, durch die Verschlechterung der Bildqualität die Mehrdeutigkeit der Klassifikation zu begründen oder mit zu begründen.
-
Bei einer möglichen Weiterbildung der Erfindung ist die Auswahl und/oder die Definition der Klassifikationsmerkmale gegenüber einer möglichen Auswahl und/oder Definition der Klassifikationsmerkmale eingeschränkt, um die Mehrdeutigkeit der Klassifikation zu begründen oder mit zu begründen. Dieser Ausgestaltung liegt die Überlegung zugrunde, dass es zum einen möglich ist, das Klassifikationsbild in der Bildqualität derart zu verschlechtern, so dass eine eindeutige Identifizierung einer der Personen nicht mehr möglich ist. Alternativ oder ergänzend kann jedoch auch die Auswahl und/oder Definition der Klassifikationsmerkmale derart eingeschränkt werden, so dass die eindeutige Identifizierung der Person nicht mehr möglich ist. Dies kann prinzipiell auch bei einem unverschlechterten Klassifikationsbild umgesetzt werden. Somit werden zwei Maßnahmen aufgezeigt, nämlich zum einen die Verschlechterung des Klassifikationsbilds und zum andern die Verschlechterung der Klassifikation des Klassifikationsbilds. Beide Maßnahmen können kombiniert werden, so dass das Ziel, das keine eindeutige Identifizierung einer der Personen ermöglicht wird, erreicht ist.
-
Bei einer bevorzugten Weiterbildung der Erfindung stammen die Klassifikationsbilder aus mehreren Überwachungskamera. Für die Klassifikationspersonen werden Einzeltrajektorien aus Klassifikationsbildern gebildet, wobei die Klassifikationsbilder für eine Einzeltrajektorie jeweils von einer einzigen Überwachungskamera stammen. Die Einzeltrajektorie können dadurch gebildet werden, dass zwar die Klassifikation mehrdeutig ist, jedoch die Person als nicht-identifiziertes Objekt über die Klassifikationsbilder von einer einzigen Überwachungskamera - zum Beispiel ähnlich wie ein bewegtes Objekt (Koffer, Tasche etc.) - zuverlässig verfolgbar ist. Durch die Bildung der Einzeltrajektorie werden zu der Klassifikationsperson weitere Informationen gesammelt, welche jedoch keine biometrischen Daten darstellen. Mindestens verbessern die Einzeltrajektorien die Auswahl der Klassifikationsbilder zur Klassifikation der jeweiligen Person.
-
Bei einer bevorzugten Weiterbildung der Erfindung werden aus mindestens zwei Einzeltrajektorien von unterschiedlichen Überwachungskameras eine Sammeltrajektorie für eine der Vergleichspersonen oder Klassifikationsperson gebildet. Es können jedoch auch mehr als zwei Einzeltrajektorien von unterschiedlichen Überwachungskameras zur Bildung der Sammeltrajektorie verwendet werden. Die Sammeltrajektorie wird unter Berücksichtigung von physikalischen Gesetzen und/oder von Wahrscheinlichkeiten bestimmt. Hierbei wird z.B. ausgenutzt, dass die jeweilige Vergleichsperson bzw. Klassifikationsperson, wenn diese einen Abschnitt des Überwachungsbereichs, welcher von einer der Überwachungskameras überwacht wird, verlässt, nach bestimmten physikalischen Gesetzen und/oder Wahrscheinlichkeiten in einen Abschnitt des Überwachungsbereichs einer anderen Überwachungskamera eintritt. Nachdem die Einzeltrajektorien eine Zeitinformation für die Personen tragen und die Relativposition der Überwachungskameras in dem Überwachungsbereich bekannt sind und/oder die Einzeltrajektorien in dem Überwachungsbereich dargestellt sind, ist es eine einfache Aufgabe, die Einzeltrajektorien auf die Vergleichspersonen bzw. Klassifikationspersonen sinnvoll zu verteilen.
-
Bei einer möglichen Ausgestaltung der Erfindung wird auf Basis der Vergleichspersonen bzw. Klassifikationspersonen und der dazu gehörigen Einzeltrajektorien ein Wahrscheinlichkeitsgraph gebildet, wobei eine oder die Sammeltrajektorie eine mögliche Trajektorie in dem Wahrscheinlichkeitsgraph bildet.
-
Mit dieser Weiterbildung erlaubt das Verfahren, nicht nur Vergleichspersonen zu einer Suchperson zu detektieren, sondern auch eine Sammeltrajektorie durch den Überwachungsbereich für die jeweilige Vergleichsperson zu bestimmen. Damit kann eine Detektion und optional ergänzend eine Verfolgung von Vergleichspersonen zu einer Suchperson datenschutzrechtlich sicher umgesetzt werden.
-
Ein weiterer Gegenstand der Erfindung wird durch eine Überwachungsanordnung zur Detektion von Vergleichspersonen zu einer Suchperson mit den Merkmalen des Anspruchs 7 gebildet. Insbesondere ist die Überwachungsanordnung für das Verfahren wie dies zuvor beschrieben wurde und/oder nach einem der vorhergehenden Ansprüche ausgebildet. Die Überwachungsanordnung ist bevorzugt als ein digitales Datenverarbeitungssystem ausgebildet, welches einen oder mehrere digitale Datenverarbeitungseinrichtungen, insbesondere Computer, aufweisen kann.
-
Die Überwachungsanordnung weist eine Klassifikationseinrichtung zur Klassifikation von einer Vielzahl von Personen als Klassifikationspersonen auf. Die Klassifikationspersonen werden durch Extraktion von Werten für Klassifikationsmerkmale aus Klassifikationsbildern der Klassifikationspersonen klassifiziert. Die Klassifikation ist mehrdeutig, so dass die Klassifikation keine eindeutige Identifizierung einer der Klassifikationspersonen ermöglicht. Die Klassifikationseinrichtung kann als eine zentrale Datenverarbeitungseinrichtung oder als mehrere dezentrale Datenverarbeitungseinrichtung ausgebildet sein. Beispielsweise kann die Klassifikationseinrichtung durch Datenverarbeitungseinrichtungen in den Überwachungskameras umgesetzt oder zumindest unterstützt werden. Dies hat den Vorteil, dass die Überwachungskameras nur die Klassifikationsmerkmale ausgeben, welche keine eindeutige Identifizierung einer der Klassifikationspersonen ermöglicht.
-
Die Überwachungsanordnung weist eine Sucheinrichtung zur Suche der Suchperson auf, wobei über ein Suchbild durch Vergleich von Werten von Suchmerkmalen aus dem Suchbild mit Werten von Klassifikationsmerkmalen mindestens zwei Klassifikationspersonen als Vergleichspersonen ausgegeben werden. Vorzugsweise weist die Sucheinrichtung eine digitale Datenverarbeitungseinrichtung auf, wobei diese besonders bevorzugt als eine zentrale Datenverarbeitungseinrichtung ausgebildet ist.
-
Es ist besonders bevorzugt vorgesehen, dass die Sucheinrichtung eine Sucheingangsschnittstelle zur Übernahme des Suchbilds von einer Suchperson und eine Suchausgabeschnittstelle zur Ausgabe von mindestens zwei Vergleichspersonen aufweist.
-
Bei dem Verfahren und/oder bei der Überwachungsanordnung kann das Suchbild ebenfalls aktiv verschlechtert sein, bevorzugt wird das Suchbild jedoch mit der möglichen oder tatsächlichen Bildqualität verwendet.
-
Bei einer bevorzugten Weiterbildung der Erfindung weist die Klassifikationseinrichtung mehrere Überwachungskameras zur Aufnahme der Klassifikationsbilder auf, wobei die Überwachungskameras unterschiedliche Abschnitte des Überwachungsbereichs abdecken. Die unterschiedlichen Abschnitte können voneinander beabstandet oder überlappend angeordnet sein.
-
Bei einer bevorzugten Weiterbildung der Erfindung weist die Klassifikationseinrichtung mindestens ein Degradationsmodul zur Verschlechterung der Bildqualität der Klassifikationsbilder auf. Bevorzugt ist in jeder der Überwachungskameras ein derartiges Degradationsmodul angeordnet, so dass dieser Verfahrensschritt dezentral in den Überwachungskameras umgesetzt wird. Alternativ hierzu können jedoch auch die Klassifikationsbilder zunächst zu dem Degradationsmodul übermittelt werden.
-
Es besonders bevorzugt, dass die Klassifikationseinrichtung mindestens ein Einzeltrajektorienmodul zur Bildung einer Einzeltrajektorie von einer Klassifikationsperson aus Klassifikationsbildern von einer einzigen Überwachungskamera aufweist. Bevorzugt ist in jeder der Überwachungskameras ein derartiges Einzeltrajektorienmodul angeordnet, so dass dieser Verfahrensschritt dezentral in den Überwachungskameras umgesetzt wird. Alternativ hierzu können jedoch auch die Klassifikationsbilder zunächst zu dem Einzeltrajektorienmodul übermittelt werden. Das Einzeltrajektorienmodul weist bevorzugt eine Trajektorienausgabeschnittstelle zur Ausgabe der Einzeltrajektorien auf.
-
Bevorzugt weist die Überwachungsanordnung eine Sammeltrajektorieneinrichtung zur Erstellung von einer oder der Sammeltrajektorie der Klassifikationspersonen auf, welche mit der Trajektorienausgabeschnittstelle und der Suchausgabeschnittstelle datentechnisch verbunden ist. Die Sammeltrajektorieneinrichtung weist ein Bestimmungsmodul zur Bestimmung der Sammeltrajektorie auf, wie dies zuvor beschrieben wurde. Dabei ist es möglich, dass die Sammeltrajektorieneinrichtung die Sammeltrajektorie oder den zuvor beschriebenen Wahrscheinlichkeitsgraph ausgibt.
-
Ein weiterer Gegenstand der Erfindung betrifft ein Computerprogramm mit den Merkmalen des Anspruchs 14 sowie ein computerlesbares Medium mit den Merkmalen des Anspruchs 15.
-
Die Erfindung kann optional wie folgt zusammengefasst werden: Das vorgeschlagene Verfahren bzw. die vorgeschlagene Überwachungsanordnung stellt eine Liste von Vergleichspersonen zur Verfügung, welche zur gleichen Klassifikation wie die Suchperson gehören. Damit wird der Suchbereich für ein Überwachungspersonal verkleinert und damit die verfügbare Zeit für das Bedienpersonal, um die Position der Suchperson zu lokalisieren, vergrößert. Da das Verfahren bzw. die Überwachungsanordnung Daten, die eine eindeutige Identifizierung von Personen in den Klassifikationsbildern erlaubt, weder speichert noch verarbeitet, ist eine Datenkonformität gegeben.
-
Es wird ein Überwachungsbereich, zum Beispiel ein Flughafen, mit mehreren Kameras überwacht. Videodatenverarbeitungseinrichtungen stellen Informationen über die Position von Klassifikationspersonen, wie zum Beispiel 3D-Fußpunkte der Klassifikationspersonen von kalibrierten Kameras, und Werte für Klassifikationsmerkmale, wie zum Beispiel Gesichts- oder Körpereigenschaftsvektoren. Es ist möglich, aus dem Sichtfeld einer einzelnen Überwachungskamera eine Einzeltrajektorie für eine Klassifikationsperson zu erstellen. Die Einzeltrajektorien der Klassifikationsperson sowie die Werte der Klassifikationsmerkmale werden in Datenbanken abgelegt. Basierend auf der Ähnlichkeit zwischen den Klassifikationsmerkmalen zwischen der Suchperson und den Klassifikationspersonen, können Korrelationen zwischen den Einzeltrajektorien in Form einer Sammeltrajektorie oder eines Wahrscheinlichkeitsgraphs abgeleitet werden. Der Wahrscheinlichkeitsgraph kann evaluiert werden, um eine Sammeltrajektorie abzuleiten, welche sich über eine Vielzahl von Überwachungskameras erstreckt. Um zum einen die Degradation zu minimieren und zum andern die Datensicherheit zu gewährleisten, kann das Verfahren bzw. die Überwachungsanordnung mit umfangreichen Testdaten qualifiziert werden. Mit statistischen Mitteln kann eine optimale Abstimmung erfolgen.
-
Weitere Merkmale, Vorteile und Wirkung der Erfindung ergeben sich aus der nachfolgenden Beschreibung bevorzugter Ausführungsbeispiele der Erfindung sowie der beigefügten Figuren. Diese zeigen:
- 1 ein Flussdiagramm zur Extraktion von Werten für Klassifikationsmerkmale als ein Ausführungsbeispiel der Erfindung;
- 2 ein Flussdiagramm zur Suche einer Suchperson als ein Ausführungsbeispiel der Erfindung;
- 3 ein schematisches Blockdiagramm von einer Überwachungsanordnung zur Umsetzung des Verfahrens.
-
Die 1 zeigt in einem Flussdiagramm die Extraktion von Werten für Klassifikationsmerkmale.
-
In einem Schritt 100 werden in einem Überwachungsbereich über Überwachungskameras 1 Videodaten erfasst und daraus Klassifikationsbilder 2 mit Klassifikationspersonen 3 erzeugt.
-
In einem optionalen Schritt 200 erfolgt eine Konturdetektion der Klassifikationspersonen 3, welche beispielsweise über die Bildung von Boxen („bounding boxes“) umgesetzt wird.
-
Nachfolgend werden die Kopfbereiche der Klassifikationspersonen 3 als Teilbereiche der Klassifikationsbilder 2 bestimmt.
-
In einem Schritt 300 werden mindestens oder nur die Kopfbereiche der Klassifikationspersonen 3 in dem Klassifikationsbild 2 verschlechtert. Dies kann z.B. zum einen durch eine Verschlechterung der Bildqualität oder eine künstliche Unschärfe umgesetzt werden.
-
In einem Schritt 400 werden Werte W1, W2, W3 für Klassifikationsmerkmale K1, K2, K3 aus den Klassifikationsbildern 2 berechnet, wobei die Klassifikationsbilder 2 zumindest im Kopfbereich der Personen 3 degradiert sind. Die Auswahl und/oder Definition der Klassifikationsmerkmale K 1, K 2 und K 3 sowie der Grad der Degradation der Klassifikationsbilder 2 sind so aufeinander abgestimmt, dass die Klassifikation keine eindeutige Identifizierung einer der Personen 3 ermöglicht.
-
In einem Schritt 500 werden die Werte W1, W2, W3 der Klassifikationsmerkmale K1,K2 und K3 in einer ersten Datenbank 11 gespeichert oder zur Weiterverarbeitung weitergeleitet.
-
Die 2 zeigt in einem Flussdiagramm die Suche einer Suchperson 4 in dem Überwachungsbereich.
-
In einem Schritt 600 wird die Suchperson 4 durch ein Suchbild 5 definiert. Das Suchbild 5 kann ein Bild der Überwachungskameras 1 sein auf dem die Suchperson 4 abgebildet ist. Die Suchperson 4 kann in dem Suchbild 5 unter mehreren Personen beispielsweise durch eine Mensch-Maschinen-Schnittstelle, wie zum Beispiel eine Computermaus, ein Touchpad etc., ausgewählt werden. Alternativ hierzu ist es möglich, dass das Suchbild 5 mit der Suchperson 4 über ein Netzwerk, zum Beispiel von Ermittlungsbehörden, eingespeist wird.
-
In einem Schritt 700 werden Werte für die Klassifikationsmerkmale K1, K2, K3 als Suchmerkmale aus dem Suchbild 5, insbesondere aus dem Kopfbereich als Teilbereich des Suchbilds 5 bestimmt. Dabei werden die Werte für die Klassifikationsmerkmale K1, K2, K3 in dem Suchbild 5 ohne Degradation bestimmt. Bei alternativen Ausführungsbeispielen kann eine Degradation wie bei den Klassifikationsbildern 2 durchgeführt werden.
-
In einem Schritt 800 werden Klassifikationspersonen 3 als Vergleichspersonen 7 aus den Klassifikationsbildern 2 gesucht, welche in den zugehörigen Klassen mit den Werten der Klassifikationsmerkmale K1, K2, K3 klassifiziert sind. Nachdem die Klassifikation der Personen 3 mehrdeutig war, werden als Ergebnis der Suche mindestens zwei Vergleichspersonen 7 und somit kein eindeutiges Ergebnis ausgegeben.
-
In einem möglichen Schritt 900 werden die Vergleichspersonen 7 einem Überwachungspersonal 6 angezeigt, welche eine der Vergleichspersonen 7 als die Suchperson 4 manuell auswählen.
-
Mit dem beschriebenen Verfahren wird vermieden, dass gegen datenschutzrechtliche Bedingungen mit Bezug auf biometrische Daten verstoßen wird.
-
Die 3 zeigt stark schematisiert eine Überwachungsanordnung 8 als ein weiteres Ausführungsbeispiel der Erfindung. Die Überwachungsanordnung 8 dient zur Detektion von Vergleichspersonen 7 zu einer Suchperson 4. Insbesondere setzt die Überwachungsanordnung 8 das Verfahren gemäß der 1 und 2 um.
-
Die Überwachungsanordnung 8 weist eine Klassifikationseinrichtung 9 auf. Die Klassifikationseinrichtung 9 umfasst eine Mehrzahl der Überwachungskameras 1, welche auf den Überwachungsbereich gerichtet sind, wobei jede der Überwachungskameras 1 einen Abschnitt des Überwachungsbereichs erfasst. Die Abschnitte können überlappend oder voneinander beabstandet angeordnet sein.
-
Die Klassifikationseinrichtung 9 ist programmtechnisch und/oder schaltungstechnisch ausgebildet, aus den Klassifikationsbildern 2, welche durch die Überwachungskameras 1 erfasst werden, Werte für die Klassifikationsmerkmale K1, K2, K3 der Personen 3 zu extrahieren. Um den Schritt 300, die Degradation der Klassifikationsbilder 2, umzusetzen weist die Klassifikationseinrichtung 9 mindestens ein Degradationsmodul 10 auf, wobei bei dem vorliegenden Ausführungsbeispiel die Degradationsmodule 10 in den Überwachungskameras 1 integriert sind. Somit sind bei dem vorliegenden Ausführungsbeispiel die Überwachungskameras 1 ausgebildet, die Klassifikationsbilder 2 hinsichtlich der Bildqualität zu verschlechtern und die Werte für die Klassifikationsmerkmale K1, K2, K3 der Personen 3 zu extrahieren und dadurch die Personen 3 mehrdeutig zu klassifizieren.
-
Die Werte der Klassifikationsmerkmale K1, K2, K3 oder zusammenfassend gesagt die Klassifikation, insbesondere die mehrdeutige Klassifikation, wird in der ersten Datenbank 11 gespeichert.
-
Die Überwachungsanordnung 8 weist eine Sucheinrichtung 12 auf, wobei die Sucheinrichtung 12 ausgebildet ist, auf Basis von dem Suchbild 5 durch Vergleich von Werten von Suchmerkmalen aus dem Suchbild 5 mit Werten von Klassifikationsmerkmalen K1, K2, K3 mindestens zwei Klassifikationspersonen 3 als Vergleichspersonen 7 auszugeben. Die Suche erfolgt z.B. durch Nutzung von neuronalen Netzwerken und/oder künstlicher Intelligenz. Die Sucheinrichtung 12 weist eine Sucheingangsschnittstelle 13 zur Übernahme des Suchbilds 5 auf. Wie bereits im Zusammenhang mit der 2 erläutert, kann die Sucheingangsschnittstelle 13 eine Datenschnittstelle zur Übernahme von Fremddaten oder auch eine Mensch-Maschinen-Schnittstelle zur Selektion der Suchperson 4 und dadurch des Suchbilds 5 sein.
-
Die Sucheinrichtung 12 ist programmtechnisch und/oder schaltungstechnisch ausgebildet, aus dem Suchbild 5 für die Suchperson 4 die Werte für die Suchmerkmale zu extrahieren. Die Sucheinrichtung 12 ist mit der ersten Datenbank 11 datentechnisch verbunden, so dass die Werte für die Suchmerkmale mit den Werten für die Klassifikationsmerkmale verglichen werden können. Als Ergebnis liefert die Sucheinrichtung 12 mindestens zwei Personen 3 als Vergleichspersonen 7.
-
Die Sucheinrichtung 12 weist eine Suchausgangsschnittstelle 14 auf, über die die Vergleichspersonen 7 ausgegeben werden können. Die Suchausgangsschnittstelle 14 kann als eine Mensch-Maschinen-Schnittstelle, wie zum Beispiel ein Bildschirm, ausgebildet sein. Die endgültige Auswahl der Suchperson 4 aus den Vergleichspersonen 7 erfolgt durch das Überwachungspersonal 6.
-
Optional ergänzend weist die Überwachungsanordnung 8, insbesondere die Klassifikationseinrichtung 9 mindestens ein Einzeltrajektorienmodul 15 auf, welches programmtechnisch und/oder schaltungstechnisch ausgebildet ist, eine Einzeltrajektorie von einer Klassifikationsperson 3 aus den Klassifikationsbildern 2 von einer einzigen Überwachungskamera 1 zu bilden. Die Einzeltrajektorie beschreibt datentechnisch eine Raum-Zeit-Kurve der Klassifikationsperson 3 in einem einzelnen Abschnitt des Überwachungsbereichs, aufgenommen durch eine einzelne Überwachungskamera 1. Das Einzeltrajektorienmodul 15 kann als ein zentrales Modul ausgebildet sein, vorliegend ist jeder Überwachungskamera 1 ein Einzeltrajektorienmodul 15 zugeordnet. Alternativ kann das Einzeltrajektorienmodul 15 auch in der Überwachungskamera 1 integriert sein.
-
Die Einzeltrajektorien werden von dem Einzeltrajektorienmodul 15 in eine zweite Datenbank 16 überführt. Die Einzeltrajektorien bilden weitere Daten zu den Klassifikationspersonen 3. Beispielsweise können die Einzeltrajektorien zu den Vergleichspersonen 7 abgerufen und/oder ausgegeben werden.
-
Optional weist die Überwachungsanordnung 8 eine Sammeltrajektorieneinrichtung 17 zur Erstellung einer Sammeltrajektorie der Vergleichspersonen 7 auf. Die Sammeltrajektorieneinrichtung 17 weist eine Sammeleingangsschnittstelle 18 auf, über die die Vergleichspersonen 7 sowie die Einzeltrajektorien zu den jeweiligen Vergleichspersonen 7 von der zweiten Datenbank 16 übergeben werden können. Unter der Sammeltrajektorie wird eine Verknüpfung von mindestens zwei Einzeltrajektorien verstanden, welche der gleichen Klassifikationsperson 3 und/oder Vergleichsperson 7 zugeordnet ist.
-
Die Sammeltrajektorieneinrichtung 17 weist ein Bestimmungsmodul 19 zur Bestimmung der Sammeltrajektorie für die jeweilige Vergleichsperson 7 auf. Dem Bestimmungsmodul 19 liegen somit die mindestens zwei Vergleichspersonen 7 sowie die Einzeltrajektorien zu den mindestens zwei Vergleichspersonen 7 vor. Problematisch ist, dass die Zuordnung der Einzeltrajektorien zu den Vergleichspersonen 7 zunächst mehrdeutig ist. Unter Verwendung von a priori Wissen, wie zum Beispiel physikalische Gesetze oder Wahrscheinlichkeiten kann das Bestimmungsmodul 19 jedoch die Einzeltrajektorien den Vergleichspersonen 7 korrekt zuordnen und dadurch die Sammeltrajektorie bestimmen. So wird beispielsweise ausgenutzt, dass die Vergleichspersonen 7 von einem Abschnitt des Überwachungsbereichs in einen benachbarten Abschnitt wechseln müssen. Auch kann berücksichtigt werden, dass die Vergleichspersonen 7 nicht urplötzlich von einem Ende des Überwachungsbereichs zu einem anderen Ende des Überwachungsbereichs gelangen können. Unter Berücksichtigung dieses a priori Wissens können somit die Einzeltrajektorien richtig zugeordnet und die Sammeltrajektorie erzeugt werden.
-
Für den Fall, dass eine korrekte Zuordnung trotz Berücksichtigung des a priori Wissens nicht möglich ist, weist die Sammeltrajektorieneinrichtung 17 ein Wahrscheinlichkeitsmodul 20 auf, wobei das Wahrscheinlichkeitsmodul 20 programmtechnisch und/oder schaltungstechnisch ausgebildet ist, einen Wahrscheinlichkeitsgraphen zu bilden, in welchem die Einzeltrajektorien der Vergleichspersonen datentechnisch oder grafisch eingetragen sind. So können die Sammeltrajektorien bestimmt werden, indem Wahrscheinlichkeitswerte für den Übergang von einer Einzeltrajektorie zu den nächsten Einzeltrajektorien bestimmt werden und die Sammeltrajektorie durch die Auswahl von Einzeltrajektorien mit den höchsten Wahrscheinlichkeitswerten bestimmt wird. Es ist auch möglich, dass Varianten von Sammeltrajektorien auf diese Weise bestimmt werden, welche jedoch unterschiedlich wahrscheinlich sind. Es ist auch möglich, dass ausgehend von einer Einzeltrajektorie ein Entscheidungsbaum als Wahrscheinlichkeitsgraph aufgebaut wird und auf diese Weise Sammeltrajektorien mit unterschiedlichen Wahrscheinlichkeiten gebildet werden.
-
Die Sammeltrajektorieneinrichtung 17 weist eine Sammelausgangsschnittstelle 21 auf, über die die Sammeltrajektorien und/oder der Wahrscheinlichkeitsgraph ausgegeben werden kann. Die Sammelausgangsschnittstelle 21 kann mit einer Mensch-Maschinen-Schnittstelle zur Darstellung der Sammeltrajektorien und/oder des Wahrscheinlichkeitsgraphs verbunden sein.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
