EP4566046A1 - Verfahren, recheneinheit und computerprogramm - Google Patents

Verfahren, recheneinheit und computerprogramm

Info

Publication number
EP4566046A1
EP4566046A1 EP23748989.3A EP23748989A EP4566046A1 EP 4566046 A1 EP4566046 A1 EP 4566046A1 EP 23748989 A EP23748989 A EP 23748989A EP 4566046 A1 EP4566046 A1 EP 4566046A1
Authority
EP
European Patent Office
Prior art keywords
alarm
alarm event
event
user
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP23748989.3A
Other languages
English (en)
French (fr)
Inventor
Frank Rottmann
Jan Karl Warzelhan
Petra OSTER
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Publication of EP4566046A1 publication Critical patent/EP4566046A1/de
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING SYSTEMS, e.g. PERSONAL CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19665—Details related to the storage of video surveillance data
    • G08B13/19671—Addition of non-video data, i.e. metadata, to video stream
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING SYSTEMS, e.g. PERSONAL CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19678—User interface
    • G08B13/19682—Graphic User Interface [GUI] presenting system data to the user, e.g. information on a screen helping a user interacting with an alarm system
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING SYSTEMS, e.g. PERSONAL CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
    • G08B29/186—Fuzzy logic; neural networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING SYSTEMS, e.g. PERSONAL CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19639—Details of the system layout
    • G08B13/19641—Multiple cameras having overlapping views on a single scene

Definitions

  • the present invention relates to a method as well as a computing unit and a computer program for carrying it out.
  • the monitoring of surveillance areas is often carried out using sensors and/or video cameras.
  • the video cameras and/or the sensors provide surveillance material, which is often evaluated and examined by security personnel in central control centers or security operations centers (SOC).
  • SOC security operations centers
  • DE 10 2016 222 134 A1 describes a video analysis device for a monitoring device for monitoring a monitoring area, the monitoring device comprising at least one video camera, the video camera being arranged in the monitoring area for monitoring a section of the monitoring area, the video camera providing video data and metadata .
  • Video surveillance cameras can be configured in such a way that they trigger alarms, for example in facilities for protecting the premises, if movement of intruders within a restricted area can be seen on the screen. These alarms are then forwarded to security personnel or security control centers for further action. However, most of these alarms (up to 90%) are so-called "false alarms" that are caused by non-critical faults or, for example, difficult weather conditions or other natural disturbances in the area. Typically, the user must review each of these detected alarms, evaluate, comment, and document the actions taken when an alarm occurs so that the audit trail is updated and the actions taken are documented in a security log.
  • the invention presents a way to improve the overall performance of the system and significantly reduce the number of false alarms detected by using a machine learning-based evaluation method to select only certain alarm events for information input by the user (user review or commenting or classification), in particular those whose detection or classification result is not clear, for example in the form of an alarm event value that lies outside one or more specific clear ranges.
  • a user such as a security officer can then enter information about a selected alarm event, in particular by labeling, falsifying or annotating it, for example.
  • GT Round Truth
  • the invention moves away from a pure user decision as to which alarm events are checked towards an automatic decision.
  • this solves the problem that the user usually does not know which alarm events are important for the underlying model to measure and improve performance based on real labeling.
  • the number of potential false alarms is optimized for the user, giving them more time to, for example, detect and respond to only the relevant security issues and incidents of the object, while significantly improving system performance.
  • Alarm events can be displayed to the user (e.g. in a table/list view). It can be provided that by clicking on such an event, the alarm event with the associated video clips and/or a summarized image (best shot) is displayed to the user in order to speed up the validation process. After validating the alarm event and evaluating the alarm event as either a true alarm (to initiate further action) or a false alarm (suppressing/dismissing the alarm event) in case of disturbances or identified non-critical activities, the user can complete the investigation of the alarm event and move on to the next one Address alarm event.
  • the invention improves such a process by providing that a user dialog is displayed, which in particular asks the user to check the alarm event and to provide information or feedback.
  • This display or request is generated dynamically, ie the user dialog does not appear for every alarm event, but only for the selected ones.
  • selecting an alarm event from the set of alarm events is further based on at least one criterion selected from: the type of alarm event (burglary alarm, loitering alarm, object in the area, ...), the time at which the user examined the alarm event, i.e. the time at which the alarm event was checked, the time at which the alarm event occurred (e.g. during the night), the number of further alarm events that occurred in a certain period of time (e.g. a few seconds to a few minutes) around the alarm event , the measured image A/video quality, the review time the user spent watching the videos.
  • the type of alarm event burglary alarm, loitering alarm, object in the area, 10.1.
  • the time at which the user examined the alarm event i.e. the time at which the alarm event was checked
  • the time at which the alarm event occurred e.g. during the night
  • the number of further alarm events that occurred in a certain period of time e.g. a few seconds to a few minutes
  • the user dialog for receiving the information for the selected alarm event is displayed based on a period of time that has elapsed since the user dialog for receiving the information for a (different) selected alarm event was last displayed. In other words, the user is not asked to check more than once in a given period of time so as not to cause frustration or disrupt the user's daily routine.
  • selecting an alarm event from the set of alarm events is still based on the number of displayed alarm events. For example, if there are not many alarm events and the user's workload is light, the user may have more time for the feedback than in a hectic situation, where the additional time for flagging alarm events and the burden on the user should be minimized.
  • the user dialog for receiving the information is displayed in response to user input.
  • the user has the opportunity to provide feedback at any time. Even if the machine learning-based method did not select the alarm event, it is free to do so anyway. This means that it can add information to a current alarm event at any time.
  • the user dialog includes a set of predetermined information that is selectable by the user.
  • predetermined general tags e.g. "rain”, “snow”, “animal”, “dog”, “Cat”, “bird”, “insect”, “spider”, “cobweb”, “wind”, “play of light”, etc. Provision can also be made to generate new, predetermined, selectable information from input information.
  • the user dialog includes a set of predetermined information that can be selected by the user depending on the time.
  • the lighting conditions and therefore the lights or shadows visible in the image depend on the time of day.
  • a computing unit according to the invention for example a control device of a video analysis device, is set up, in particular in terms of programming, to carry out a method according to the invention.
  • a machine-readable storage medium is provided with a computer program stored thereon as described above.
  • Suitable storage media or data carriers for providing the computer program are, in particular, magnetic, optical and electrical memories, such as hard drives, flash memories, EEPROMs, DVDs, etc.
  • Figure 1 shows schematically a video analysis device, as can be the basis for an embodiment of the invention.
  • Figure 2 shows an exemplary implementation of an embodiment for selecting an alarm event from a set of alarm events.
  • FIG. 1 shows a video analysis device 1 for a monitoring device 2.
  • the monitoring device includes a plurality of sensors 3 and a plurality of video cameras 4.
  • the sensors 3 are, for example, fire detectors, thermal sensors, motion detectors, chip card readers or other sensors.
  • the video cameras 4 are in particular color video cameras and are designed, for example, as CCD or CMOS cameras.
  • the video cameras 4 and/or the sensors 3 are arranged in a monitoring area 5, where- in which the sensors 3 and/or video cameras 4 are arranged regularly in the monitoring area 5, alternatively and/or additionally the video cameras 4 and the sensors 3 are arranged irregularly in the monitoring area 5.
  • the video cameras 4 and the sensors 3 are designed to monitor the monitoring area 5 visually and/or sensory.
  • the video cameras 4 and/or the sensors 3 each monitor a section of the surveillance area 5, with the sections recorded and/or monitored by the individual video cameras 4 and/or sensors 3 preferably overlapping, so that the entire surveillance area 5 is visually and/or sensory is monitorable.
  • Real objects 6 are arranged in the monitoring area 5, the real objects 6 being, for example, people, animals and/or objects.
  • the real objects in the surveillance area are changeable, so that the position and/or properties of the real objects 6 can change over time. The change in the position and/or the properties of the real objects 6 corresponds in particular to an alarm event in the monitoring area 5.
  • a sensor 3 is designed as a motion sensor, so that a motion sensor 3 can display and/or record the movement of the real object 6 in the monitoring area 5.
  • the video cameras 4 provide video data 7 and the sensors 3 provide sensor data.
  • the monitoring device 2 comprises a data generation unit 9, wherein the data generation unit 9 is designed to provide video data 7 and metadata 8 based on the video data 7 and/or the sensor data of the video analysis device 1.
  • the metadata 8 includes in particular information about the real objects 6 in the surveillance area 5, such as their position, their size and/or other information.
  • the video data includes, in particular, video images of the section of the surveillance area 5 of one and/or the video cameras 4 in the surveillance area 2.
  • the video analysis device 1 here comprises two input interfaces 10, the input interfaces 10 being connected in terms of data technology to the monitoring device 2, the input interfaces 10 being designed to accept the video data 7 and the metadata 8.
  • the video analysis device 1 includes a central process module 11.
  • the central process module 11 is designed as a central processor unit, for example as a microprocessor.
  • the central process module 11 is supplied in particular with the metadata 8 and the video data 7.
  • the process module 11 is designed to evaluate the video data 7 based on the metadata 8 and the video data 7, in particular to determine an alarm event value for each alarm event.
  • a machine learning-based method is implemented in the process module 11, which serves as a false alarm classification system, i.e. classifies the alarm events as a real alarm or as a false alarm.
  • Supervised learning can be used as a method. Supervised learning means that a user checks the classification result and corrects it if necessary, thereby improving the false alarm classification system.
  • the method can begin with an optional step 200, which includes a learning or training mode.
  • a learning or training mode all alarm events received by the monitoring device 2 are displayed to a user, for example on a display means or a human-machine interface (HMI) 20.
  • HMI human-machine interface
  • the display of no alarm events is suppressed, not even those that are potentially a false alarm are.
  • a user dialog is created for each alarm event to receive information, in particular including a classification of the selected alarm event as an alarm or false alarm. Based on these classifications, the system can in particular "learn" which display criterion, e.g.
  • an alarm event value must correspond to in order to be sure that it is a real alarm, and which suppression criterion, e.g. a range of values, an alarm event value has to correspond to in order to definitely be a false alarm be.
  • the system can run in this mode for some time (depending on the number of alarm events) until enough feedback has been collected and the false alarm classification system is sufficiently trained.
  • the video analysis device 1 then switches to the regular operating mode.
  • the video analysis device 1 receives a set of alarm events, in the example described from the monitoring device 2. This obtaining can take place in real time, e.g. whenever a movement is detected, or from a recorded memory inventory.
  • an alarm event value is determined for each alarm event using the machine learning-based method.
  • a step 203 all alarm events whose alarm event value corresponds to the display criterion are displayed, and the display of all alarm events whose alarm event value corresponds to a suppression criterion, is suppressed.
  • the two classes can be assigned for a large number of alarm events.
  • one or more alarm events are selected from the set of alarm events based at least on the alarm event value, in particular for a user review, and are also displayed.
  • the alarm events at the border between the suppression criterion and the display criterion, or - if such a limit does not exist - alarm events that (unambiguously) fulfill neither the suppression criterion nor the display criterion are selected.
  • the displayed alarm events are viewed by a user in a step 204, in particular in a known manner on a display means, such as a monitor.
  • a step 205 it is determined for the alarm event just viewed whether it belongs to the alarm events selected in step 203. If not, branch 0, the user can view further alarm events, step 204. If so, branch 1, the user is prompted in a step 206, for example by means of, in particular at the end of the viewing, which can be determined, for example, by clicking on a corresponding button a user dialog to check this alarm event and in particular to enter information, in particular including the classification as a real alarm or false alarm.
  • the time spent by the user reviewing the alarm event can be used to distinguish alarms that are difficult and time consuming for the user. These are important alarms, which should be annotated and used to improve the underlying classification system. Either they are false alarms, meaning the system should suppress them (when the system is not running in training mode) and the user does not need to pay attention to them, or they are real alarms, then the user needs to be instructed on what is going on in the scene, for example by seeing where the activity is taking place.
  • the information is used to adapt or “retrain” the machine learning-based method.
  • training the model can be very complex depending on the amount of data and the algorithm used, it is also possible to carry out the training phase of the model on a processing unit with more computing/storage power, for example in a data center, and then use the trained model obtained in this way to another processing unit, such as a PC for video surveillance.
  • alarm events or their data can be saved at least temporarily and processed further at a later point in time or saved permanently for further analysis. It goes without saying that corresponding storage units can be present at any location. In principle, there can be any period of time between the recording of a video signal and the further processing and evaluation steps; However, it is also possible for the signals to be further processed and evaluated immediately.
  • suitable user interfaces such as displays, screens, loudspeakers, touchscreens or other output elements can also be used, for example to display results of the status evaluation, to depict intermediate steps for a user, to provide information about error states, to reflect problems in the evaluation or to display other information for a user.
  • input means can be present, for example a keyboard and/or mouse, a touchscreen, a microphone for voice input, or any other common input means, via which, for example, process parameters can be selected or changed.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Library & Information Science (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Alarm Systems (AREA)

Abstract

Die Erfindung betrifft ein Verfahren umfassend ein Erhalten (201) einer Menge von Alarmereignissen von einer Überwachungsvorrichtung (2), ein Bestimmen (202) eines Alarmereigniswertes für das Alarmereignis der Menge von Alarmer- eignissen mittels eines auf maschinellem Lernen basierenden Verfahrens, ein Auswählen (203) eines Alarmereignisses aus der Menge von Alarmereignissen basierend zumindest auf dem Alarmereigniswert; ein Empfangen (206) wenigs- tens einer Information über das ausgewählte Alarmereignis; und ein Anpassen (207) des auf maschinellem Lernen basierenden Verfahrens unter Verwendung der empfangenen Information.

Description

Beschreibung
Titel
Verfahren, Recheneinheit und Computerprogramm
Die vorliegende Erfindung betrifft ein Verfahren sowie eine Recheneinheit und ein Computerprogramm zu dessen Durchführung.
Hintergrund der Erfindung
Die Überwachung von Überwachungsbereichen, beispielsweise von Gebäuden und/oder Freiflächen, erfolgt häufig mittels Sensoren und/oder mittels Videokameras. Die Videokameras und/oder die Sensoren stellen dabei Überwachungsmaterial zur Verfügung, welches von Sicherheitspersonal häufig in zentralen Leitstellen bzw. Sicherheitszentralen (engl. Security Operations Center, SOC) ausgewertet und begutachtet wird.
In diesem Zusammenhang beschreibt die DE 10 2016 222 134 A1 eine Videoanalyseeinrichtung für eine Überwachungsvorrichtung zur Überwachung eines Überwachungsbereichs, wobei die Überwachungsvorrichtung mindestens eine Videokamera umfasst, wobei die Videokamera im Überwachungsbereich zur Überwachung eines Abschnitts des Überwachsbereichs angeordnet ist, wobei die Videokamera Videodaten und Metadaten bereitstellt.
Offenbarung der Erfindung
Erfindungsgemäß werden ein Verfahren, insbesondere zum Auswählen eines Alarmereignisses aus einer Menge von Alarmereignissen und/oder zum Anpassen des auf maschinellem Lernen basierenden Verfahrens, sowie eine Recheneinheit und ein Computerprogramm zu dessen Durchführung mit den Merkmalen der unabhängigen Patentansprüche vorgeschlagen. Vorteilhafte Ausgestaltungen sind Gegenstand der Unteransprüche sowie der nachfolgenden Beschreibung.
Hintergrund der Erfindung ist die folgende Erkenntnis: Videoüberwachungskame- ras können so konfiguriert sein, dass sie Alarme auslösen, z.B. bei Einrichtungen zum Schutz des Geländes, wenn auf dem Bildschirm eine Bewegung von Eindringlingen innerhalb eines Sperrgebiets zu sehen ist. Diese Alarme werden dann an Sicherheitspersonal oder Sicherheitszentralen weitergeleitet, um weitere Maßnahmen zu ergreifen. Bei den meisten dieser Alarme (bis zu 90 %) handelt es sich jedoch um so genannte "Fehlalarme", die durch unkritische Störungen oder z.B. schwierige Wetterbedingungen oder andere natürliche Störungen in der Umgebung verursacht werden. In der Regel muss der Benutzer jeden dieser erkannten Alarme prüfen, bewerten, kommentieren und die ergriffenen Maßnahmen dokumentieren, wenn ein Alarm auftritt, damit der Prüfpfad aktualisiert wird und die ergriffenen Maßnahmen in einem Sicherheitsprotokoll dokumentiert werden. Es ist jedoch beobachtbar, dass nicht immer alle Alarme mit einem Kommentar zu der Situation, die den Alarm ausgelöst hat, im Sicherheitsprotokoll dokumentiert werden. Dies kann darauf zurückzuführen sein, dass ein Standort z.B. bei schlechtem Wetter (z.B. bei einem Gewitter), was bei einer Videoanalyseeinrichtung in der Regel zu vielen Fehlalarmen führt, unscharf geschaltet wird, so dass alle Alarme einfach unterdrückt werden (d.h. nicht in der Liste erscheinen), oder dass nicht jeder aufeinanderfolgende Alarm kommentiert wird, oder dass der Benutzer zu beschäftigt war und nur einige der Alarme kommentiert hat (nach Ermessen des Benutzers, welche Alarme zu dokumentieren sind).
Die Erfindung stellt eine Möglichkeit vor, die Gesamtleistung des Systems zu verbessern und die Zahl der erkannten Fehlalarme deutlich zu reduzieren, indem ein auf maschinellem Lernen basierendes Bewertungsverfahren nur bestimmte Alarmereignisse für eine Informationseingabe durch den Benutzer (Benutzerüberprüfung bzw. Kommentierung oder Klassifizierung) auswählt, insbesondere solche, deren Erkennungs- oder Klassifizierungsergebnis nicht eindeutig ist, z.B. in Form eines Alarmereigniswerts, der außerhalb eines oder mehrerer bestimmter eindeutiger Bereiche liegt. Zu einem ausgewählten Alarmereignis können dann von einem Benutzer wie einem Sicherheitsbeauftragten Informationen eingegeben werden, insbesondere indem er diese z.B. kennzeichnet, falsifiziert oder annotiert. Die vom Benutzer gemachten Anmerkungen zu diesen Alarmen können als "Ground Truth" (GT) bezeichnet werden (wahre Bezeichnung der tatsächlichen Situation, die den Alarm ausgelöst hat), die dann zum erneuten Trainieren und Anpassen des auf maschinellem Lernen basierenden Verfahrens bzw. Modells und/oder zur Aktualisierung der Parameter des Systems verwendet werden kann, um die Gesamtleistung des Systems zu verbessern.
Die Erfindung führt weg von einer reinen Benutzerentscheidung, welche Alarmereignisse überprüft werden, hin zu einer automatischen Entscheidung. Dies löst insbesondere das Problem, dass der Benutzer üblicherweise nicht weiß, welche Alarmereignisse für das zugrunde liegende Modell wichtig sind, um die Leistung anhand der echten Kennzeichnung zu messen und zu verbessern.
Durch die Verbesserung des Sicherheitsprotokolls im Laufe der Zeit wird die Anzahl potenzieller Fehlalarme für den Benutzer optimiert, was ihm mehr Zeit gibt, um z.B. nur die relevanten Sicherheitsprobleme und Vorfälle des Objekts zu erkennen und darauf zu reagieren, während gleichzeitig die Systemleistung erheblich verbessert wird.
Sicherheitsprotokolle in SOCs sind eine gängige Methode zur Meldung und Dokumentation von Vorfällen. Dabei können dem Benutzer Alarmereignisse (z.B. in einer Tabellen-/Listenansicht) angezeigt werden. Es kann vorgesehen sein, dass durch Anklicken eines solchen Ereignisses dem Benutzer das Alarmereignis mit den zugehörigen Videoclips und/oder einem zusammengefassten Bild (Best Shot) angezeigt wird, um den Validierungsprozess zu beschleunigen. Nach der Validierung des Alarmereignisses und der Bewertung des Alarmereignisses entweder als echter Alarm (um weitere Maßnahmen einzuleiten) oder als Fehlalarm (Unterdrückung/Verwerfen des Alarmereignisses) im Falle von Störungen oder identifizierten unkritischen Aktivitäten kann der Benutzer die Untersuchung des Alarmereignisses abschließen und sich dem nächsten Alarmereignis zuwenden. In einer Ausgestaltung verbessert die Erfindung einen solchen Ablauf dadurch, dass vorgesehen ist, dass ein Benutzerdialog angezeigt wird, der den Benutzer insbesondere auffordert, das Alarmereignis zu überprüfen und eine Information bzw. Rückmeldung zu geben. Dieses Anzeigen bzw. diese Aufforderung wird dynamisch generiert, d.h. der Benutzerdialog erscheint nicht bei jedem Alarmereignis, sondern nur bei den ausgewählten.
In einer Ausgestaltung erfolgt das Auswahlen eines Alarmereignisses aus der Menge von Alarmereignissen weiterhin basierend auf wenigstens einem Kriterium, ausgewählt aus: der Art des Alarmereignisses (Einbruchalarm, Herumlunger-Alarm, Objekt im Bereich, ...), dem Zeitpunkt, zu dem der Benutzer das Alarmereignis untersucht hat, d.h. dem Zeitpunkt einer Überprüfung des Alarmereignisereignisses, dem Zeitpunkt, zu dem das Alarmereignis aufgetreten ist (z.B. während der Nacht), der Anzahl der in einem bestimmten Zeitraum (z.B. einige Sekunden bis wenige Minuten) um das Alarmereignis aufgetretenen weiteren Alarmereignisse, der gemessenen Bild-A/ideoqualität, der Überprüfungszeitdauer, die der Benutzer mit dem Betrachten der Videos verbracht hat.
In einer Ausgestaltung erfolgt das Anzeigen des Benutzerdialogs zum Empfangen der Information für das ausgewählte Alarmereignis basierend auf einer Zeitdauer, die seit dem letzten Anzeigen des Benutzerdialogs zum Empfangen der Information für ein (anderes) ausgewähltes Alarmereignis vergangen ist. Mit anderen Worten wird der Benutzer nicht häufiger als einmal in einem bestimmten Zeitraum zur Überprüfung aufgefordert, um nicht Frustration auszulösen oder den Benutzer bei seiner täglichen Routine zu stören.
In einer Ausgestaltung erfolgt das Auswählen eines Alarmereignisses aus der Menge von Alarmereignissen weiterhin basierend auf Anzahl der angezeigten Alarmereignisse. Gibt es z.B. nicht viele Alarmereignisse und ist die Arbeitsbelastung für den Benutzer gering, kann der Benutzer möglicherweise mehr Zeit für die Rückmeldung aufwenden als in einer hektischen Situation, in der die zusätzliche Zeit für die Kennzeichnung von Alarmereignissen und die Belastung des Benutzers minimiert werden sollte.
In einer Ausgestaltung erfolgt das Anzeigen des Benutzerdialogs zum Empfangen der Information in Reaktion auf eine Benutzereingabe. Mit anderen Worten hat der Benutzer die Möglichkeit, jederzeit eine Rückmeldung zu geben. Auch wenn das auf maschinellem Lernen basierende Verfahren das Alarmereignis nicht ausgewählt hat, steht es ihm frei, dies trotzdem zu tun. Das heißt, er kann jederzeit ein aktuelles Alarmereignis mit Informationen versehen.
In einer Ausgestaltung umfasst der Benutzerdialog eine Menge von vorbestimmten Informationen, die vom Benutzer auswählbar sind. Um eine nahtlose und intuitive Nutzung für den Benutzer zu gewährleisten, ist es vorteilhaft, wenn er möglichst wenig Informationen selbst eingeben muss, sondern z.B. vorbestimmte allgemeine Tags auswählen kann, z.B. "Regen", "Schnee", "Tier", "Hund", "Katze", "Vogel", "Insekt", "Spinne", "Spinnennetz", "Wind", "Lichtspiel" usw. Es kann vorgesehen sein, auch aus eingegebenen Informationen neue vorbestimmte auswählbare Informationen zu erzeugen.
In einer Ausgestaltung umfasst der Benutzerdialog eine Menge von vorbestimmten Informationen, die vom Benutzer auswählbar sind, in Abhängigkeit von der Uhrzeit. Insbesondere die Lichtverhältnisse und damit auch im Bild sichtbare Lichter bzw. Schatten tageszeitabhängig.
Eine erfindungsgemäße Recheneinheit, z.B. ein Steuergerät einer Videoanalyseeinrichtung, ist, insbesondere programmtechnisch, dazu eingerichtet, ein erfindungsgemäßes Verfahren durchzuführen.
Auch die Implementierung eines erfindungsgemäßen Verfahrens in Form eines Computerprogramms oder Computerprogrammprodukts mit Programmcode zur Durchführung aller Verfahrensschritte ist vorteilhaft, da dies besonders geringe Kosten verursacht, insbesondere wenn ein ausführendes Steuergerät noch für weitere Aufgaben genutzt wird und daher ohnehin vorhanden ist. Schließlich ist ein maschinenlesbares Speichermedium vorgesehen mit einem darauf gespeicherten Computerprogramm wie oben beschrieben. Geeignete Speichermedien bzw. Datenträger zur Bereitstellung des Computerprogramms sind insbesondere magnetische, optische und elektrische Speicher, wie z.B. Festplatten, Flash- Speicher, EEPROMs, DVDs u.a.m. Auch ein Download eines Programms über Computernetze (Internet, Intranet usw.) ist möglich. Ein solcher Download kann dabei drahtgebunden bzw. kabelgebunden oder drahtlos (z.B. über ein WLAN- Netz, eine 3G-, 4G-, 5G- oder 6G-Verbindung, etc.) erfolgen.
Weitere Vorteile und Ausgestaltungen der Erfindung ergeben sich aus der Beschreibung und der beiliegenden Zeichnung.
Die Erfindung ist anhand von Ausführungsbeispielen in der Zeichnung schematisch dargestellt und wird im Folgenden unter Bezugnahme auf die Zeichnung beschrieben.
Kurze Beschreibung der Zeichnungen
Figur 1 zeigt schematisch eine Videoanalyseeinrichtung, wie sie einer Ausgestaltung der Erfindung zugrunde liegen kann.
Figur 2 zeigt eine beispielhafte Implementierung einer Ausführungsform zum Auswahlen eines Alarmereignisses aus einer Menge von Alarmereignissen.
Ausführungsform(en) der Erfindung
Figur 1 zeigt eine Videoanalyseeinrichtung 1 für eine Überwachungsvorrichtung 2. Die Überwachungsvorrichtung umfasst eine Mehrzahl an Sensoren 3 und eine Mehrzahl an Videokameras 4. Die Sensoren 3 sind beispielsweise Brandmelder, Thermosensoren, Bewegungsmelder, Chipkartenlesegeräte oder anderweitige Sensoren. Die Videokameras 4 sind insbesondere Farbvideokameras und beispielsweise als CCD- oder CMOS-Kameras ausgebildet. Die Videokameras 4 und/oder die Sensoren 3 sind in einem Überwachungsbereich 5 angeordnet, wo- bei die Sensoren 3 und/oder Videokameras 4 in dem Überwachungsbereich 5 regelmäßig angeordnet sind, alternativ und/oder ergänzend sind die Videokameras 4 und die Sensoren 3 im Überwachungsbereich 5 unregelmäßig angeordnet. Die Videokameras 4 und die Sensoren 3 sind ausgebildet, den Überwachungsbereich 5 visuell und/oder sensorisch zu überwachen. Dabei überwachen die Videokameras 4 und/oder die Sensoren 3 jeweils einen Abschnitt des Überwachungsbereiches 5, wobei die von dem einzelnen Videokameras 4 und/ oder Sensoren 3 aufgenommenen und/oder überwachten Abschnitte vorzugsweise überlappend sind, sodass der gesamte Überwachungsbereich 5 visuell und/oder sensorisch überwachbar ist. In dem Überwachungsbereich 5 sind reale Objekte 6 angeordnet, wobei die realen Objekte 6 beispielsweise Menschen, Tiere und/oder Gegenstände sind. Insbesondere sind die realen Objekte im Überwachungsbereich veränderlich, sodass sich die Position und/oder Eigenschaften der realen Objekte 6 im Laufe der Zeit ändern können. Die Veränderung der Position und/oder der Eigenschaften der realen Objekte 6 entspricht insbesondere einem Alarmereignis im Überwachungsbereich 5.
Beispielsweise ist ein Sensor 3 als ein Bewegungssensor ausgebildet, sodass ein Bewegungssensor 3 die Bewegung des realen Objektes 6 im Überwachungsbereich 5 darstellen und/oder aufnehmen kann. Die Videokameras 4 stellen dabei Videodaten 7 bereit und die Sensoren 3 stellen Sensordaten bereit.
Die Überwachungsvorrichtung 2 umfasst eine Datengenerierungseinheit 9, wobei die Datengenerierungseinheit 9 ausgebildet ist, basierend auf den Videodaten 7 und/oder den Sensordaten der Videoanalyseeinrichtung 1 Videodaten 7 und Metadaten 8 bereitzustellen. Die Metadaten 8 umfassen insbesondere Informationen zu den realen Objekten 6 im Überwachungsbereich 5, wie beispielsweise deren Position, deren Größe und/oder weitere Informationen. Die Videodaten umfassen insbesondere Videobilder des Abschnittes des Überwachungsbereiches 5 einer und/oder der Videokameras 4 im Überwachungsbereich 2. Die Videoanalyseeinrichtung 1 umfasst hier zwei Eingangsschnittstellen 10, wobei die Eingangsschnittstellen 10 datentechnisch mit der Überwachungsvorrich- tung 2 verbunden sind, wobei die Eingangsschnittstellen 10 ausgebildet sind, die Videodaten 7 und die Metadaten 8 zu übernehmen.
Die Videoanalyseeinrichtung 1 umfasst ein zentrales Prozessmodul 11. Insbesondere ist das zentrale Prozessmodul 11 als eine zentrale Prozessoreinheit ausgebildet, beispielsweise als ein Mikroprozessor. Das zentrale Prozessmodul 11 ist insbesondere mit den Metadaten 8 und den Videodaten 7 versorgt.
Das Prozessmodul 11 ist ausgebildet, die Videodaten 7 basierend auf den Metadaten 8 und den Videodaten 7 auszuwerten, insbesondere einen Alarmereigniswert für jedes Alarmereignis zu bestimmen. Dazu ist in dem Prozessmodul 11 ein auf maschinellem Lernen basierendes Verfahren implementiert, welches als Falschalarm-Klassifizierungssystem dient, d.h. die Alarmereignisse als echten Alarm oder als Fehlalarm klassifiziert.
Dabei sind hier grundsätzlich sämtliche Methoden des maschinellen Lernens denkbar, welche eine Klassifizierung ermöglichen. Insbesondere können alle verschiedenen Arten neuronaler Netze genutzt werden. Dabei kann überwachtes Lernen als Verfahren eingesetzt werden. Überwachtes Lernen bedeutet, dass ein Benutzer das Klassifizierungsergebnis überprüft und ggf. korrigiert, um das Falschalarm-Klassifizierungssystem dadurch zu verbessern.
Ein beispielhafter Ablauf einer Ausgestaltung des Verfahrens wird im Folgenden unter Bezugnahme auf die Figuren 1 und 2 erläutert.
Das Verfahren kann mit einem optionalen Schritt 200 beginnen, welcher einen Lern- bzw. Trainingsmodus beinhaltet. In einem solchen Trainingsmodus werden alle von der Überwachungsvorrichtung 2 empfangenen Alarmereignisse einem Benutzer angezeigt, beispielsweise auf einem Anzeigemittel bzw. einer Mensch- Maschine-Schnittstelle (HMI) 20. Insbesondere wird das Anzeigen von keinen Alarmereignissen unterdrückt, auch nicht solchen, die potentiell ein Fehlalarm sind. In diesem Trainingsmodus wird für jedes Alarmereignis ein Benutzerdialog zum Empfangen von Informationen angezeigt, die insbesondere eine Klassifizierung des ausgewählten Alarmereignisses als Alarm oder Fehlalarm umfassen. Auf Grundlage dieser Klassifizierungen kann das System insbesondere "lernen", welchem Anzeigekriterium, z.B. einem Wertebereich, ein Alarmereigniswert entsprechen muss, um sicher ein echter Alarm zu sein, und welchem Unterdrückungskriterium, z.B. einem Wertebereich, ein Alarmereigniswert entsprechen muss, um sicher ein Fehlalarm zu sein. Das System kann einige Zeit (abhängig von der Anzahl der Alarmereignisse) in diesem Modus laufen, bis genügend Rückmeldungen gesammelt wurden und das Fehlalarm-Klassifizierungssystem ausreichend angelernt ist.
Für den Fall von überwachtem Lernen ist es erforderlich, gelabelte Trainingsdaten bereitzustellen, die also bereits einer der vorgegebenen Klassen zugeordnet sind. Dafür kommen verschiedene Optionen in Betracht. Neben dem hier beschriebenen manuellen Labeln von Trainingsdaten (Eingeben von Informationen), also beispielsweise, indem ein Benutzer jeweils angibt, ob ein echter Alarm oder Fehlalarm vorliegt, kann alternativ oder zusätzlich auch ein teilautomatisches oder automatisches Labeln eingesetzt werden. Beispielsweise kann auf Basis eines kleinen gelabelten Datensatz ein größerer Datensatz automatisch gelabelt werden; optional kann dieses teilautomatische Labeln dann anschließend noch manuell überprüft werden.
In einem nächsten Schritt 201 wechselt die Videoanalyseeinrichtung 1 dann in den regulären Betriebsmodus. In diesem regulären Betriebsmodus erhält die Videoanalyseeinrichtung 1 eine Menge von Alarmereignissen, im beschriebenen Beispiel von der Überwachungsvorrichtung 2. Dieses Erhalten kann in Echtzeit erfolgen, z.B. immer wenn eine Bewegung detektiert wird, oder aus einem aufgezeichneten Speicherbestand.
In einem nächsten Schritt 202 wird für die Alarmereignisse jeweils ein Alarmereigniswert mittels des auf maschinellem Lernen basierenden Verfahrens bestimmt. In einem Schritt 203 werden alle Alarmereignisse, deren Alarmereigniswert dem Anzeigekriterium entspricht, angezeigt, und das Anzeigen aller Alarmereignisse, deren Alarmereigniswert einem Unterdrückungskriterium entspricht, wird unterdrückt. In Folge des zuvor durchgeführten Lernprozesses sind damit die beiden Klassen für eine Vielzahl der Alarmereignisse zuordenbar. Weiterhin werden dabei ein oder mehrere Alarmereignisse aus der Menge von Alarmereignissen basierend zumindest auf dem Alarmereigniswert ausgewählt, insbesondere für eine Benutzerüberprüfung, und ebenfalls angezeigt.
In einer Ausgestaltung werden insbesondere die Alarmereignisse an der Grenz zwischen Unterdrückungskriterium und Anzeigekriterium, oder - wenn eine solche Grenze nicht existiert - Alarmereignisse, die weder das Unterdrückungskriterium noch das Anzeigekriterium (eindeutig) erfüllen, ausgewählt.
Es ist auch möglich, den Abstand im Merkmalsraum der extrahierten Merkmale des Falschalarm-Klassifizierungssystems zu messen, um zu entscheiden, welche Alarmereignisse überprüft und kommentiert werden sollten. Dies trägt dazu bei, dass die Kennzeichnungen den gesamten Merkmalsraum so gut wie möglich abdecken.
Die angezeigten Alarmereignisse werden in einem Schritt 204 von einem Benutzer gesichtet, insbesondere auf bekannte Weise auf einem Anzeigemittel, wie einem Monitor.
In einem Schritt 205 wird für das gerade gesichtete Alarmereignis ermittelt, ob es zu den in Schritt 203 ausgewählten Alarmereignissen gehört. Wenn nicht, Zweig 0, kann der Benutzer weitere Alarmereignisse sichten, Schritt 204. Wenn doch, Zweig 1 , wird der Benutzer, insbesondere am Ende der Sichtung, was beispielsweise durch Anklicken einer entsprechenden Schaltfläche bestimmbar ist, in einem Schritt 206 aufgefordert, beispielsweise mittels eines Benutzerdialogs, dieses Alarmereignis zu überprüfen und insbesondere Informationen, insbesondere umfassend die Klassifizierung als echter Alarm oder Fehlalarm, einzugeben.
Die Zeit, die der Benutzer für die Sichtung des Alarmereignisses aufgewendet hat, kann zur Unterscheidung von Alarmen verwendet werden, die für den Benutzer schwierig sind und viel Zeit in Anspruch nehmen. Dies sind wichtige Alarme, die kommentiert und zur Verbesserung des zugrunde liegenden Klassifizierungssystems verwendet werden sollten. Entweder handelt es sich um Fehlalarme, was bedeutet, dass das System sie unterdrücken sollte (wenn das System nicht im Trainingsmodus läuft) und der Benutzer sie nicht zu beachten braucht, oder es handelt sich um echte Alarme, dann muss der Benutzer angeleitet werden, was in der Szene vor sich geht, z.B. indem er sieht, wo die Aktivität stattfindet.
Wenn der Benutzer ein mit dem Alarmereignis zugehöriges Video mehrfach abspielt und in das Videomaterial hineinzoomt, kann dies auch ein Hinweis darauf sein, dass es sich um eine schwierige Szene handelt. Daher sollten diese Videos sorgfältig kommentiert werden, um anspruchsvolle Daten für das Training und den Test der Systemleistung zu erhalten.
Es ist auch von Vorteil, zu zählen/zu messen, wie viele Anmerkungen von welchem Benutzer vorgenommen wurden, und dies bei der Auswahl zu berücksichtigen, wobei insbesondere Benutzer mit weniger Kommentierungen bevorzugt werden. Dadurch wird sichergestellt, dass die Benutzerüberprüfungen gleichmäßig auf mehrere Personen verteilt sind, was in der Regel eine bessere Qualität gewährleistet.
In einem Schritt 207 werden die Informationen zum Anpassen bzw. "Nachtrainieren" des auf maschinellen Lernen basierenden Verfahrens verwendet.
Da das Training des Modells je nach Datenmenge und verwendetem Algorithmus sehr aufwendig werden kann, ist es auch möglich, die Trainingsphase des Modells auf einer Verarbeitungseinheit mit mehr Rechen-/Speicherleistung durchzuführen, beispielsweise in einem Rechenzentrum, und dann das auf diese Weise gewonnene trainierte Modell auf eine andere Verarbeitungseinheit, wie etwa einen PC für die Videoüberwachung zu übertragen.
Für die Auswertung können dann die Alarmereignisse, im Wesentlichen als Bilddaten, als Eingangswerte des trainierten Klassifikators eingegeben werden, der dann als Ausgabe einen Alarmereigniswert und/oder eine der vorgegebenen Klassen angibt, also z.B. echter Alarm oder Fehlalarm. Es ist in allen Fällen möglich, dass verschiedene Schritte, die hier zusammen oder in einer einzelnen Einheit beschrieben wurden, zeitlich und/oder räumlich getrennt ausgeführt werden. Auch das Prozessmodul 11 kann auf jede beliebige Art implementiert sein, z.B. als eine zentrale Steuereinheit oder ein Teil davon, als Steuerrechner, über einen externen Server, als Cloud-Dienst oder andere.
Es ist auch möglich, dass Alarmereignisse bzw. deren Daten zumindest vorübergehend abgespeichert werden und zu einem späteren Zeitpunkt weiterverarbeitet werden oder für weitere Analysen dauerhaft abgespeichert werden. Es versteht sich, dass entsprechende Speichereinheiten an beliebigen Orten vorliegen können. Damit kann zwischen der Aufnahme eines Videosignals und den weiteren Schritten zur Verarbeitung und Auswertung jeweils grundsätzlich eine beliebige Zeitspanne liegen; es ist aber auch möglich, dass die Signale unmittelbar weiterverarbeitet und ausgewertet werden.
In allen Fällen können außerdem geeignete Benutzerschnittstellen wie etwa Displays, Bildschirme, Lautsprecher, Touchscreens oder sonstige Ausgabeelemente verwendet werden, um beispielsweise Ergebnisse der Zustandsauswertung anzuzeigen, um Zwischenschritte für einen Benutzer abzubilden, um Hinweise auf Fehlerzustände zu geben, um Probleme bei der Auswertung wiederzugeben oder sonstige Informationen für einen Benutzer auszugeben. Ebenso können Eingabemittel vorhanden sein, z.B. Tastatur und/oder Maus, ein Touchscreen, ein Mikrofon zur Spracheingabe, oder beliebige andere übliche Eingabemittel, über welche beispielsweise Verfahrensparameter ausgewählt oder verändert werden kön- nen.

Claims

Ansprüche
1. Verfahren umfassend:
Erhalten (201) einer Menge von Alarmereignissen von einer Überwachungsvorrichtung (2),
Bestimmen (202) eines Alarmereigniswertes für das, insbesondere für jedes, Alarmereignis der Menge von Alarmereignissen mittels eines auf maschinellem Lernen basierenden Verfahrens,
Auswahlen (203) eines Alarmereignisses aus der Menge von Alarmereignissen basierend zumindest auf dem Alarmereigniswert;
Empfangen (206) wenigstens einer Information über das ausgewählte Alarmereignis;
Anpassen (207) des auf maschinellem Lernen basierenden Verfahrens unter Verwendung der empfangenen Information.
2. Verfahren nach Anspruch 1 , weiterhin umfassend:
Anzeigen (206) eines Benutzerdialogs zum Empfangen der Information für das ausgewählte Alarmereignis.
3. Verfahren nach Anspruch 2, wobei das Anzeigen (206) des Benutzerdialogs zum Empfangen der Information für das ausgewählte Alarmereignis erfolgt basierend auf einer Zeitdauer, die seit dem letzten Anzeigen des Benutzerdialogs zum Empfangen der Information für ein anderes ausgewähltes Alarmereignis vergangen ist.
4. Verfahren nach einem der vorstehenden Ansprüche, weiterhin umfassend: Anzeigen (206) eines Benutzerdialogs zum Empfangen der Information für ein nicht ausgewähltes Alarmereignis in Reaktion auf eine Benutzereingabe.
5. Verfahren nach einem der Ansprüche 2 bis 4, wobei der Benutzerdialog eine Menge von vorbestimmten Informationen umfasst, die vom Benutzer auswählbar sind.
6. Verfahren nach einem der vorstehenden Ansprüche, weiterhin umfassend: Anzeigen (201) aller Alarmereignisse, deren Alarmereigniswert einem Anzeigekriterium entspricht.
7. Verfahren nach einem der vorstehenden Ansprüche, weiterhin umfassend: Unterdrücken (201) des Anzeigens aller Alarmereignisse, deren Alarmereigniswert einem Unterdrückungskriterium entspricht.
8. Verfahren nach einem der vorstehenden Ansprüche, wobei das Auswahlen eines Alarmereignisses aus der Menge von Alarmereignissen weiterhin erfolgt basierend auf wenigstens einem Kriterium, ausgewählt aus einer Art des Alarmereignisereignisses; einem Zeitpunkt einer Überprüfung des Alarmereignisereignisses; einem Zeitpunkt, zu dem das Alarmereignisereignis aufgetreten ist; einer Anzahl der in einem bestimmten Zeitraum um das Alarmereignis aufgetretenen weiteren Alarmereignisse, einer Bild-/Videoqua- lität; einer Überprüfungszeitdauer.
9. Verfahren nach einem der vorstehenden Ansprüche, wobei die Information über das ausgewählte Alarmereignis eine Klassifizierung des ausgewählten Alarmereignisses als Alarm oder Fehlalarm umfasst.
10. Recheneinheit (11), die dazu eingerichtet ist, alle Verfahrensschritte eines Verfahrens nach einem der vorstehenden Ansprüche durchzuführen.
11 . Computerprogramm, das eine Recheneinheit dazu veranlasst, alle Verfahrensschritte eines Verfahrens nach einem der Ansprüche 1 bis 9 durchzuführen, wenn es auf der Recheneinheit ausgeführt wird.
12. Maschinenlesbares Speichermedium mit einem darauf gespeicherten Computerprogramm nach Anspruch 11 .
EP23748989.3A 2022-08-02 2023-07-26 Verfahren, recheneinheit und computerprogramm Pending EP4566046A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102022207966.3A DE102022207966A1 (de) 2022-08-02 2022-08-02 Verfahren, Recheneinheit und Computerprogramm
PCT/EP2023/070734 WO2024028187A1 (de) 2022-08-02 2023-07-26 Verfahren, recheneinheit und computerprogramm

Publications (1)

Publication Number Publication Date
EP4566046A1 true EP4566046A1 (de) 2025-06-11

Family

ID=87553699

Family Applications (1)

Application Number Title Priority Date Filing Date
EP23748989.3A Pending EP4566046A1 (de) 2022-08-02 2023-07-26 Verfahren, recheneinheit und computerprogramm

Country Status (3)

Country Link
EP (1) EP4566046A1 (de)
DE (1) DE102022207966A1 (de)
WO (1) WO2024028187A1 (de)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016222134A1 (de) 2016-11-11 2018-05-17 Robert Bosch Gmbh Videoanalyseeinrichtung für eine Überwachungsvorrichtung und Verfahren zur Erzeugung eines Einzelbildes
US10665070B1 (en) * 2017-08-31 2020-05-26 Alarm.Com Incorporated Predictive alarm analytics
US11475672B2 (en) * 2019-07-12 2022-10-18 Stealth Monitoring, Inc. Premises security system with dynamic risk evaluation

Also Published As

Publication number Publication date
WO2024028187A1 (de) 2024-02-08
DE102022207966A1 (de) 2024-02-08

Similar Documents

Publication Publication Date Title
CN110097037B (zh) 智能监测方法、装置、存储介质及电子设备
DE60215431T2 (de) System zur Ereignisbildaufzeichnung und Verfahren zur Ereignisbildaufzeichnung
US9226037B2 (en) Inference engine for video analytics metadata-based event detection and forensic search
US7664292B2 (en) Monitoring an output from a camera
US20050163345A1 (en) Analysing image data
AU2004233453A2 (en) Recording a sequence of images
GB2408883A (en) Assessing servicing requirements for cameras
DE112013005195T5 (de) Verfahren und Vorrichtung zur Auswahl eines Videoanalyse-Algorithmus, basierend auf historischen Ereignisdaten
CN102348101A (zh) 一种考场智能监控系统和方法
US8948245B2 (en) Displaying graphical output representing the activity of a plurality of monitoring detection devices
KR20190079047A (ko) 육안 인식 검사원의 부하경감을 위한 등급별 영상인식 기술을 이용한 cctv 영상내 의심물체 부분검사 지원 시스템 및 방법
DE102007041893A1 (de) Verfahren zur Detektion und/oder Verfolgung von bewegten Objekten in einer Überwachungsszene mit Störern, Vorrichtung sowie Computerprogramm
EP2235948B1 (de) Überwachungsmodul für ein videoüberwachungssystem, verfahren zur zustandsüberwachung eines überwachungsbereichs sowie computerprogramm
US20250150573A1 (en) Camera operation verification system and method
DE102020117545A1 (de) System und methode zur identifizierung von objekten in einem zusammengesetzten objekt
DE102021204040A1 (de) Verfahren, Vorrichtung und Computerprogramm zur Erstellung von Trainingsdaten im Fahrzeug
DE102024212161A1 (de) Systeme und Verfahren zur Vorhersage von Aggression in Videoaufnahmen einer Überwachungskamera
CN119787618A (zh) 电力系统监控方法、装置、电子设备及存储介质
CN117853035A (zh) 一种用于生态保护管理的智慧湿地系统管理平台
EP3779790A1 (de) Optische qualitätskontrolle
EP4566046A1 (de) Verfahren, recheneinheit und computerprogramm
EP3926564B1 (de) Computerimplementiertes verfahren, computersystem und computerprogramm zur automatisierten überwachung einer elektrischen schaltanlage
EP3453001B1 (de) Detektionsvorrichtung, verfahren zur detektion eines ereignisses und computerprogramm
DE102016222134A1 (de) Videoanalyseeinrichtung für eine Überwachungsvorrichtung und Verfahren zur Erzeugung eines Einzelbildes
DE69229831T2 (de) Bildanalysator

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20250303

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC ME MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)