Beschreibung
Verfahren zur Überwachung einer Umgebung mit mehreren akustischen Sensoren
Die Erfindung betrifft ein Verfahren zur Überwachung einer Umgebung mit mehreren akustischen Sensoren sowie ein entsprechendes akustisches Sensornetz. Zur Erkennung von Ausnahmesituationen, wie Panik oder Gewalt, oder von medizinischen Notfällen in öffentlichen Umgebungen, wie z.B. Bahnhöfen oder Sportstadien, werden heutzutage in der Regel optische Sensoren in der Form von Überwachungskameras verwendet. Die Überwachung der Umgebung erfolgt dabei meist manuell durch Sicherheitsfachkräfte, welche in einer zentralen Leitstelle die Daten der optischen Sensoren sichten und auswerten. Da bei großen Umgebungen eine Vielzahl von Daten zu überwachen ist, kann unter Umständen eine lange Zeitspanne bis zur Erkennung einer Krisensituation verstreichen. Ebenso kann eine Ausnahmesituation aufgrund von menschlichem Versagen unter Umständen überhaupt nicht bemerkt werden.
Aus dem Stand der Technik sind ferner automatische Überwachungsverfahren basierend auf optischen Sensoren mit integ- rierter Situationserkennung bekannt. Diese Verfahren weisen den Nachteil auf, dass die Qualität der Situationserkennung insbesondere bei größeren zu überwachenden Menschenmengen gering ist. Aufgabe der Erfindung ist es, ein automatisches Verfahren zur Überwachung einer Umgebung zu schaffen, mit dem eine verbesserte Situationserkennung ermöglicht wird.
Diese Aufgabe wird durch das Verfahren gemäß Patentanspruch 1 bzw. das Sensornetz gemäß Patentanspruch 17 gelöst. Weiterbildungen der Erfindung sind in den abhängigen Ansprüchen definiert .
Das erfindungsgemäße Verfahren beruht auf einer akustischen Überwachung einer Umgebung basierend auf mehreren Sensoren. Die Sensoren bilden dabei ein dezentrales Netz, in dem sie zumindest teilweise untereinander kommunizieren. Im Betrieb des Verfahrens erfassen die Sensoren jeweils akustische Signale, welche auf Geräuschen in der Umgebung beruhen. Diese erfassten Signale werden dann von dem einzelnen Sensor zur Durchführung einer Situationserkennung weiterverarbeitet, wobei entsprechende Verfahren zur akustischen Situationserken- nung an sich aus dem Stand der Technik bekannt sind.
Das erfindungsgemäße Verfahren zeichnet sich dadurch aus, dass ein jeweiliger Sensor zumindest eines Teils der Sensoren über das dezentrale Netz auf die erfassten und/oder weiter- verarbeiteten Signale von einem oder mehreren benachbarten
Sensoren zugreift und diese Signale bei der Situationserkennung berücksichtigt. Die einzelnen Sensoren führen somit ihre Situationserkennung nicht autark durch, sondern berücksichtigen auch die erfassten Geräuschsignale von benachbarten Sen- soren. Unter einem benachbarten Sensor ist dabei ein Sensor zu verstehen, der Signale erfasst, welche zumindest teilweise auf den gleichen Geräuschen wie die von dem jeweiligen Sensor erfassten Signale beruhen. Durch die Berücksichtigung von entsprechenden Signalen mehrerer benachbarter Sensoren werden die Informationen für die Durchführung der Situationserkennung erhöht, so dass die Situationserkennung des einzelnen Sensors verbessert wird. Darüber hinaus wird ein effizienter Informationsaustausch zwischen den Sensoren durch ein dezentrales Netz erreicht, welches ohne eine zentrale Verwaltungs- einheit auskommt.
Gemäß der Situationserkennung kann der jeweilige Sensor dann in geeigneter Weise auffällige, von einer Norm abweichende Geräuschkulissen erkennen. Bei der Erkennung einer auffälli- gen Situation wird in einer bevorzugten Variante durch den jeweiligen Sensor eine entsprechende Meldung an eine zentrale Stelle übermittelt, woraufhin eine nähere Überprüfung dahingehend erfolgen kann, ob in der Tat eine Ausnahmesituation
vorliegt, welche entsprechende Gegenmaßnahmen erfordert. Gegebenenfalls kann ein Sensor zusätzlich oder alternativ bei der Erkennung einer von der Norm abweichenden Situation lokal ein Geräuschsignal, beispielsweise ein entsprechendes Piepsen durch einen im Sensor installierten Lautsprecher, ausgeben. Auf diese Weise werden Personen in der Umgebung des Sensors unmittelbar auf eine potentielle Ausnahmesituation hingewiesen . In einer besonders bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens kommunizieren die einzelnen Sensoren über ein Peer-to-Peer-Netz miteinander, wobei jeder Sensor einen Peer in diesem Netz darstellt. Zur Kommunikation können dabei an sich bekannte Peer-to-Peer-Protokolle, wie z.B.
Chord, eingesetzt werden. Die Verwendung eines Peer-to-Peer- Netzes als dezentrales Netz in dem erfindungsgemäßen Verfahren weist besondere Vorteile auf, denn solche Netze erweisen sich als sehr stabil und können sich sehr effizient selbst organisieren und konfigurieren. Insbesondere können diese Netze auch schnell auf dynamische Veränderungen im Netz, beispielsweise auf den Ausfall eines Sensors bzw. das Hinzukommen eines Sensors, reagieren. Auf diese Weise wird ein robustes und sich dynamisch an eine Veränderung des Netzes anpassendes Verfahren zur akustischen Umgebungsüberwachung ge- schaffen.
Eine besonders leicht zu installierende Umgebungsüberwachung wird in einer bevorzugten Ausführungsform der Erfindung dadurch erreicht, dass durch die mehreren Sensoren ein drahtlo- ses Funknetz gebildet wird, wobei die Sensoren in diesem Fall jeweils ein Funkmodul zum Empfangen und Aussenden von drahtlosen Signalen in dem Funknetz umfassen. In einer besonders bevorzugten Variante bildet das Funknetz ein sog. Ad-hoc- Netz, welches ein vermaschtes Netz darstellt, welches sich selbständig aufbaut und konfiguriert, wie dies auch bei Peer- to-Peer-Netzen der Fall ist. Entsprechende Protokolle und Routing-Verfahren für Ad-hoc-Netze sind dabei hinlänglich aus dem Stand der Technik bekannt.
Wie bereits oben dargelegt, wird ein Sensor zu einem jeweiligen Sensor als benachbart eingestuft, wenn beide Sensoren zumindest teilweise die gleichen Geräuschsignale erfassen. Da- bei können im erfindungsgemäßen Verfahren entsprechende Nachbarschaftskriterien festgelegt sein, basierend auf denen ermittelt wird, dass ein Sensor zu einem anderen Sensor benachbart ist. Werden in dem erfindungsgemäßen Verfahren mehrere Nachbarschaftskriterien berücksichtigt, werden zwei Sensoren nur dann als benachbart eingestuft, wenn alle Nachbarschaftskriterien erfüllt sind. Beispielsweise kann bei der Ausbildung eines Funknetzes zwischen den Sensoren das oder die vorgegebenen Nachbarschaftskriterien dadurch gegeben sein, dass zwei Sensoren als benachbart eingestuft werden, wenn sie in Funkreichweite zueinander angeordnet sind.
In einer weiteren Ausführungsform können alternativ oder zusätzlich die Nachbarschaftskriterien durch einen räumlichen Abstand zwischen den Sensoren gegeben sein, wobei zwei Senso- ren als benachbart eingestuft werden, wenn der räumliche Abstand kleiner oder gleich einer vorbestimmten Schwelle ist. In diesem Fall müssen in einem jeweiligen Sensor die Abstände zu zumindest einem Teil von anderen Sensoren im dezentralen Netz bekannt sein. Diese Informationen können beispielsweise durch eine Informationsübermittlung über das dezentrale Netz zwischen den einzelnen Sensoren ausgetauscht werden.
In einer Variante der Erfindung greift ein jeweiliger Sensor zumindest eines Teils der Sensoren unmittelbar auf die er- fassten Signale der benachbarten Sensoren zu und führt mittels einer Korrelationsanalyse dieser Signale und der von ihm erfassten Signale eine Geräuschunterdrückung durch. Hierdurch wird eine besonders einfache Möglichkeit einer Verbesserung des zu analysierenden Geräuschsignals und einer damit verbun- denen verbesserten Situationserkennung erreicht.
In einer besonders bevorzugten Ausführungsform führt ein jeweiliger Sensor zumindest eines Teils der Sensoren eine Wei-
terverarbeitung der von ihm erfassten Daten derart durch, dass er aus den erfassten Signalen ein oder mehrere Merkmale extrahiert, wobei der jeweilige Sensor bei der Situationserkennung die von ihm extrahierten Merkmale und ferner auch die von den benachbarten Sensoren extrahierten Merkmale berücksichtigt. Extrahierte Merkmale können dabei beispielsweise auf der Lautstärke der erfassten Signale und/oder der Lautstärkeverteilung über die Frequenz der erfassten Signale und/oder der Veränderung der Lautstärke über die Zeit für ein oder mehrere Frequenzen der erfassten Signale beruhen. Die Erkennung von Situationen basierend auf entsprechend extrahierten Merkmalen ist dabei an sich aus dem Stand der Technik bekannt. Nunmehr erfolgt die Situationserkennung eines einzelnen Sensors jedoch nicht nur auf den von ihm selbst extra- hierten Merkmalen, sondern auch auf den Merkmalen von anderen Sensoren .
Zur Situationserkennung kann ein jeweiliger Sensor beliebige, an sich bekannte Verfahren verwenden. In einer Variante ver- wendet ein jeweiliger Sensor zumindest eines Teils der Sensoren ein regelbasiertes Entscheidungsmodell. Dabei sind vordefinierte Regeln gegeben, bei deren Erfüllung dann eine entsprechende Situation erkannt wird. Eine solche Regel kann beispielsweise darin bestehen, dass eine Ausnahmesituation erkannt wird, wenn eine vorher festgelegte Schwelle eines
Lautstärkepegels überschritten wird. Zusätzlich oder alternativ können auch datenbasierte Modelle zur Situationserkennung verwendet werden. Diese Modelle werden vorab mit entsprechenden akustischen Trainingsdaten gelernt bzw. trainiert. Mit datenbasierten Modellen wird eine sehr gute Situationserkennung erreicht. Aus dem Stand der Technik sind verschiedene datenbasierte Modelle bekannt, welche auch in dem erfindungsgemäßen Verfahren eingesetzt werden können, wie z.B. Hidden Markov Modelle und/oder Gaußsche Mischmodelle und/oder Sup- port Vector Machines und/oder künstliche neuronale Netze.
In einer bevorzugten Variante der Erfindung erfolgt das Trainieren des datenbasierten Modells in einer Initialisierungs-
phase vor der eigentlichen Umgebungsüberwachung. In dieser Initialisierungsphase tauscht ein jeweiliger Sensor zumindest eines Teils der Sensoren mit den benachbarten Sensoren die erfassten Signale und/oder die weiterverarbeiteten Signale aus und ermittelt basierend auf diesen Signalen einen Normalzustand. Dieser Normalzustand stellt insbesondere eine statistische Verteilung von entsprechend aus den Signalen extrahierten Merkmalen dar. In einer bevorzugten Variante wird das datenbasierte Modell im Betrieb des Verfahrens kontinuierlich durch den jeweiligen Sensor in Abhängigkeit von den von ihm und den benachbarten Sensoren erfassten akustischen Signalen adaptiert. Auf diese Weise wird eine geeignete Anpassung der Situationserkennung an sich verändernde Geräuschkulissen gewährleistet .
Bei einer Situationserkennung basierend auf einem datenbasierten Modell mit entsprechend ermitteltem Normalzustand erfolgt die Situationserkennung vorzugsweise derart, dass ein oder mehrere vorbestimmte Situationen über vorbestimmte Ab- weichungen vom Normalzustand definiert sind. In diesem Fall muss vorab kein explizites, von der Norm abweichendes Schallereignis trainiert werden.
Neben dem oben beschriebenen Verfahren betrifft die Erfindung ferner ein akustisches Sensornetz zur Überwachung einer Umgebung, wobei dieses Sensornetz mehrere akustische Sensoren um- fasst, welche ein dezentrales Netz bilden, in dem die Sensoren zumindest teilweise untereinander kommunizieren. Dabei umfassen die Sensoren jeweils eine Erfassungseinheit, bei- spielsweise in der Form von einem oder mehreren Mikrofonen (insbesondere in Kombination mit einem Analog/Digital- Wandler) , wobei mit dieser Erfassungseinheit auf Geräuschen in der Umgebung beruhende akustische Signale erfasst werden. Ferner beinhaltet der jeweilige Sensor eine Verarbeitungsein- heit zur Weiterverarbeitung der erfassten Signale, um eine entsprechende Situationserkennung durchzuführen. Das akustische Sensornetz zeichnet sich dadurch aus, dass ein jeweiliger Sensor zumindest eines Teils der Sensoren derart ausges-
taltet ist, dass er über eine Kommunikationsschnittstelle, beispielsweise in der Form eines entsprechenden Funkmoduls, auf die erfassten und/oder weiterverarbeiteten Signale von einem oder mehreren benachbarten Sensoren zugreift und diese Signale bei der Situationserkennung berücksichtigt, wobei ein benachbarter Sensor Signale erfasst, welche zumindest teilweise auf den gleichen Geräuschen wie die von dem jeweiligen Sensor erfassten Signale beruhen. Das akustische Sensornetz ist vorzugsweise derart ausgestaltet, dass jede Variante des oben beschriebenen Verfahrens mit dem Sensornetz durchführbar ist.
Die Erfindung betrifft ferner einen akustischen Sensor zur Verwendung in dem oben beschriebenen akustischen Sensornetz. Der Sensor umfasst eine Erfassungseinheit zur Erfassung von auf Geräuschen in der Umgebung beruhenden akustischen Signalen und eine Verarbeitungseinheit zur Weiterverarbeitung der erfassten Signale zur Durchführung einer Situationserkennung. Dabei ist der Sensor derart ausgestaltet, dass er im Betrieb des Sensornetzes über eine Kommunikationsschnittstelle auf die erfassten und/oder weiterverarbeiteten Signale von einem oder mehreren benachbarten Sensoren zugreift und diese Signale bei der Situationserkennung berücksichtigt, wobei ein be- nachbarter Sensor Signale erfasst, welche zumindest teilweise auf den gleichen Geräuschen wie die von dem jeweiligen Sensor erfassten Signalen beruhen.
Ein Ausführungsbeispiel der Erfindung wird nachfolgend anhand von Fig. 1 beschrieben. Diese Figur zeigt in schematischer Darstellung ein Sensornetz, in dem eine Variante des erfindungsgemäßen Verfahrens durchgeführt wird.
Zur Überwachung einer Umgebung ist in dem Ausführungsbeispiel der Fig. 1 ein Sensornetz mit einer Mehrzahl von Sensoren vorgesehen, wobei beispielhaft die Sensoren 1, 2, 3 und 4 wiedergegeben sind. Jeder dieser Sensoren umfasst eine Erfassungseinheit zur Erfassung von akustischen Signalen in der
Form eines Mikrofons 5 und eines entsprechenden Analog- Digital-Wandlers 6, der die über das Mikrofon analog erfass- ten Signale in digitalisierte Signale umwandelt. Diese digitalisierten Signale werden von einem Mikroprozessor 7 verar- beitet, wobei dieser Mikroprozessor bei der Verarbeitung auch Signale von weiteren benachbarten Sensoren berücksichtigt, wie im Folgenden noch näher erläutert wird.
Die einzelnen Sensoren 1 bis 4 kommunizieren drahtlos mitein- ander, wobei hierzu jeder Sensor ein entsprechendes Funkmodul 8 aufweist, welches drahtlos Signale über eine schematisch angedeutete Antenne 9 empfängt bzw. aussendet. Die Sensoren bilden insgesamt ein dezentrales Netz N, welches schematisch durch eine entsprechende Ellipse angedeutet ist. In der Aus- führungsform der Fig. 1 ist dieses dezentrale Netz ein Peer- to-Peer-Netz, in dem jeder Sensor einen entsprechenden Peer in dem Netz darstellt und in dem die einzelnen Sensoren über ein Peer-to-Peer-Protokoll miteinander kommunizieren. Die Kommunikation zwischen den Sensoren erfolgt somit dezentral, d.h. die einzelnen Sensoren tauschen direkt untereinander Daten aus, ohne dass eine zentrale Stelle zwischengeschaltet ist. Die Kommunikation zwischen den einzelnen Sensoren über das Netz N ist in Fig. 1 für jeden Sensor mit entsprechenden Pfeilen Pl und P2 angedeutet. Als Protokoll für das Peer-to- Peer-Netz kann beispielsweise das hinlänglich aus dem Stand der Technik bekannte Chord-Protokoll eingesetzt werden.
Die Verwendung eines Peer-to-Peer-Netzes weist den Vorteil auf, dass basierend auf bekannten Protokollen eine Selbst- Organisation und Selbst-Konfiguration des Sensornetzes erreicht werden kann. Ferner sind Peer-to-Peer-Netze sehr robust und ermöglichen eine leichte Erweiterbarkeit des Netzes, um neu hinzukommende Sensoren bzw. eine geeignete Anpassung des Netzes beim Wegfall von Sensoren. Anstatt von Peer-to- Peer-Mechanismen zur Bildung des dezentralen Netzes können gegebenenfalls auch andere aus dem Stand der Technik bekannte Verfahren zur Bildung solcher Netze verwendet werden. Beispielsweise können die Sensoren als sog. Ad-hoc-Netz organi-
siert sein, in dem die Sensoren Knoten in einem vermaschten Netz ohne einen zentralen Verwaltungsknoten darstellen. Solche Ad-hoc-Netze können sich zwischen den einzelnen Sensoren selbständig aufbauen und konfigurieren, wodurch in Analogie zu Peer-to-Peer-Netzen eine dynamische Veränderung und Anpassung des Netzes bei Hinzukommen bzw. Wegfallen von Sensoren ermöglicht wird. Ad-hoc-Netzwerke und entsprechende Routing- Protokolle für diese Netze sind hinlänglich aus dem Stand der Technik bekannt, beispielsweise beinhalten drahtlose Kommuni- kationsprotokolle wie IEEE 802. 11 (WLAN) oder IEEE 802.15 entsprechende Ad-hoc-Modi .
In dem Sensornetz der Fig. 1 soll effizient basierend auf akustisch erfassten Geräuschen der Umgebung eine Abweichung von einem Normalzustand der Geräuschkulisse erkannt werden, um auf diese Weise Ausnahmesituationen zu erkennen. Das Sensornetzwerk eignet sich dabei insbesondere zum Einsatz in großräumigen öffentlichen Bereichen, wie z.B. in Stadien, Bahnhöfen und dergleichen. In jedem der einzelnen Sensoren 1 bis 4 ist dabei ein entsprechender Situationserkenner vorgesehen, mit dem vom Normalzustand abweichende Situationen erkannt werden können. In Fig. 1 ist der Normalzustand der Geräuschkulisse durch schematisch angedeutete Schallwellen BN (BN = Background Noise) in der Form von langen konzentrischen Kreissegmenten wiedergegeben. Darüber hinaus ist in Fig. 1 ein auffälliges Schallereignis E durch einen schwarzen Kreis dargestellt, von dem Geräusche ausgehen, welche durch konzentrische, kurze Kreissegmente angedeutet sind. Der Situationserkenner ist in den einzelnen Sensoren als Programm implementiert, welches durch den Mikroprozessor 7 ausgeführt wird. Im Unterschied zu bekannten Situationserkennern verarbeitet der Situationserkenner eines jeweiligen Sensors nicht mehr nur die von dem Sensor erfassten und gegebenen- falls weiterverarbeiteten Signale, sondern auch entsprechende Signale, welche von anderen Sensoren im Netzwerk stammen, welche benachbart zu dem betrachteten Sensor liegen. Ein Sensor ist dabei zu einem anderen Sensor benachbart, wenn beide
Sensoren zumindest teilweise die gleichen Geräusche erfassen. Dies kann beispielsweise durch die Festlegung eines vorgegebenen Mindestabstands zwischen benachbarten Sensoren ermöglicht werden, wobei in diesem Fall zwischen den Sensoren In- formationen hinsichtlich ihrer Position ausgetauscht werden, so dass jeder Sensor den Abstand zu anderen Sensoren ermitteln kann. Gegebenenfalls kann das Netz bereits so aufgebaut sein, das sichergestellt ist, dass jeder Sensor zu einem anderen Sensor in dem Netz benachbart ist. In diesem Fall kann ein Sensor bei der Situationserkennung die Signale von allen anderen Sensoren mit verarbeiten, ohne dass er selbst sicherstellen muss, dass die verarbeiteten Signale zumindest zum Teil auch von benachbarten Sensoren stammen. Dadurch, dass über eine dezentrale Kommunikation zwischen Sensoren auch die Geräusche von benachbarten Sensoren berücksichtigt werden, kann die Situationserkennung in den einzelnen Sensoren deutlich verbessert werden. Es können dabei bekannte Verfahren eingesetzt werden, um die Situationserkennung basierend auf den akustischen Signalen des jeweiligen Sensors und seiner benachbarten Sensoren durchzuführen.
In dem Netzwerk der Fig. 1 werden die über das Mikrofon 5 er- fassten Geräuschsignale zunächst durch den A/D-Wandler 6 digitalisiert und in Zeitabschnitte fester Länge (sog. Frames) segmentiert. Dabei besteht insbesondere die Möglichkeit, dass die Signale der Mikrofone von mehreren benachbarten Sensoren mittels eines sog. Beamforming-Algorithmus, der an sich bekannt ist, miteinander kombiniert werden. Beim Beamforming werden durch eine entsprechende Steuerung die Signale der einzelnen Mikrofone der Sensoren zeitversetzt miteinander korreliert, um hierdurch Schallquellen in vorbestimmten Richtungen zu orten. Dabei erfolgt durch einen entsprechenden Informationsaustausch zwischen den Sensoren eine Abstimmung der Sensoren derart aufeinander, dass die Mikrofone von benach- barten Sensoren in eine bestimmte Richtung hören. Die Verwendung eines Beamforming-Algorithmus ist insbesondere dann sinnvoll, wenn bekannt ist, aus welcher ungefähren Richtung
Geräuschsignale zu erwarten sind, welche Ausnahmesituationen kennzeichnen .
Ferner kann das Beamforming dazu benutzt werden, um kontinu- ierlich in unterschiedliche Richtungen im Raum zu hören, um hierdurch die Position auffälliger Schallquellen zu orten bzw. diese Schallquellen nachzuverfolgen . Durch den Beamfor- ming-Algorithmus wird dabei eine bessere Trennung der Nutzsignale von den Hintergrundgeräuschen ermöglicht. Der soeben beschriebene Beamforming-Algorithmus kann in dem erfindungsgemäßen Sensornetz gegebenenfalls auch für mehrere Mikrofone eines einzelnen Sensors eingesetzt werden.
In einer Variante der erfindungsgemäßen Umgebungsüberwachung werden die zwischen benachbarten Sensoren ausgetauschten Signale zur verbesserten Geräuschunterdrückung verwendet. Dabei tauschen die Sensoren direkt die erfassten und digitalisierten Geräuschsignale aus, wobei jeder Sensor mittels einer Korrelationsanalyse die von ihm erfassten Signale und die Signale der benachbarten Sensoren zeitlich aneinander anpasst und so kombiniert, dass das Signal-zu-Rausch-Verhältnis verbessert wird. Auf diese Weise werden in dem jeweiligen Sensor geräuschreduzierte Signale verarbeitet, welche eine bessere Situationserkennung ermöglichen.
In einer weiteren Variante des erfindungsgemäßen Verfahrens werden in einem Sensor zur Situationserkennung bereits aus den ursprünglichen Geräuschsignalen weiterverarbeitete Signale von mehreren benachbarten Sensoren berücksichtigt. Dabei extrahiert ein Situationserkenner eines jeweiligen Sensors zunächst mit an sich bekannten Verfahren entsprechende Merkmale aus den Geräuschsignalen. In einer einfachen Variante sind solche Merkmale z.B. die Lautstärke der Geräuschsignale. Vorzugsweise werden jedoch cepstrale Merkmale extrahiert, welche die Lautstärkeverteilung der Geräuschsignale über deren Frequenz repräsentieren, bzw. modulations-spektrale Merkmale, welche die Veränderung der Lautstärke der Geräuschsignale über die Zeit repräsentieren. Ebenso können als Merkmale
Multiband-Modulationsspektren berücksichtigt werden, welche die Veränderung der Lautstärke über die Zeit für verschiedene Frequenzen der erfassten Geräuschsignale darstellen. Die Verarbeitung der extrahierten Merkmale erfolgt mit hinlänglich aus dem Stand der Technik bekannten Verfahren zur Analyse von Geräuschsignalen. Besonders bevorzugt werden dabei datenbasierte Modelle eingesetzt, welche vorab mit entsprechenden Trainingssignalen gelernt bzw. trainiert wurden. Dabei tauschen die Sensoren in einer Initialisierungsphase zunächst die jeweils von ihnen ermittelten Merkmale untereinander aus. Ein jeweiliger Sensor bestimmt dann anhand der von ihm selbst ermittelten und von den benachbarten Sensoren stammenden Merkmale einen Normalzustand der Geräuschkulisse. In einer einfachen Variante, bei der das Merkmal durch die Lautstärke repräsentiert wird, kann der Normalzustand dabei beispielsweise durch einen einfachen Schwellwert repräsentiert werden, wobei der Normalzustand dann vorliegt, wenn das Signal unterhalb des Schwellwerts liegt.
Bei der Beschreibung des Geräuschsignals durch komplexere Merkmale, insbesondere in der Form von mehrdimensionalen Merkmalsvektoren, werden aufwändigere Verfahren eingesetzt, um einen Normalzustand zu ermitteln, der in diesem Fall aus einer statistischen Verteilung der Merkmale des Geräuschsignals besteht. Bekannte Modelle, über welche ein entsprechender Normalzustand bestimmt werden kann, sind dabei Hidden Markov Modelle, Gaußsche Mischmodelle, One-Class Support Vec- tor Machines, neuronale Netze und dergleichen. Mit diesen Mo- dellen werden dann auch nach der Bestimmung des Normalzustands die bei der Geräuschüberwachung erzeugten Signale entsprechend analysiert, um hierdurch eine Abweichung von dem Normalzustand festzustellen. Dabei vergleichen die einzelnen Sensoren kontinuierlich jeweils die aktuell ermittelten Merk- malsvektoren mit dem statistischen Modell des Normalzustands, um die Wahrscheinlichkeit für einen von diesem Normalzustand abweichenden Ausnahmezustand zu ermitteln. Überschreitet die-
se Wahrscheinlichkeit einen bestimmten Schwellwert, wird eine Anomalie festgestellt.
Bei der Feststellung einer Anomalie durch einen jeweiligen Sensor übermittelt dieser in einer bevorzugten Variante der Erfindung eine entsprechende Warnmeldung an eine zentrale Stelle. Der Sensor kann hierfür eine separate Kommunikationsschnittstelle aufweisen. Die Übermittlung kann jedoch auch über das Funkmodul des entsprechenden Sensors erfolgen. Die zentrale Stelle ist dabei jedem Sensor bekannt, stellt jedoch keinen Bestandteil des durch die Sensoren gebildeten dezentralen Netzes dar. Die zentrale Stelle kann zum Beispiel eine Leitstelle sein, welche durch einen Bediener besetzt ist, der bei der Übermittlung einer entsprechenden Warnmeldung geson- derte Schritte einleiten kann. Beispielsweise kann er den Bereich, an dem der die Warnung übermittelnde Sensor positioniert ist, nochmals besonders analysieren. Hierfür können entsprechende Kameras in der zu überwachenden Umgebung positioniert sein, welche Bilder an die zentrale Leitstelle über- mittein. Der Bediener kann dann nach Eintreffen einer Warnmeldung von einem Sensor über das Bild der entsprechenden Kamera im Bereich des Sensors überprüfen, ob tatsächlich eine Ausnahmesituation vorliegt, welche weitere Maßnahmen erforderlich macht.
Bei der im Vorangegangenen beschriebenen erfindungsgemäßen Variante, welche datenbasierte Modelle zur Situationserkennung einsetzt, ist es insbesondere nicht erforderlich, dass zuvor ein entsprechend zu identifizierendes abnormales
Schallereignis trainiert wird. Vielmehr wird dann eine auffällige Situation erkannt, wenn das Geräusch stark vom vorher trainierten Normalzustand abweicht. In einer besonders bevorzugten Ausführungsform wird dabei der Normalzustand kontinuierlich an die sich gegebenenfalls verändernde Geräuschkulis- se adaptiert, wobei bei der Adaption wiederum die Daten von nicht nur einem Sensor, sondern von mehreren benachbarten Sensoren berücksichtigt werden. Hierdurch wird ein langsamer Anstieg des Hintergrundgeräuschpegels nicht als Störung ge-
wertet, sondern es werden tatsächlich nur die Abweichungen von dem Hintergrundgeräusch detektiert.
Die im Vorangegangenen beschriebene Ausführungsform des er- findungsgemäßen Verfahrens weist eine Reihe von Vorteilen auf. Insbesondere wird eine verbesserte Situationserkennung in einem akustischen Sensornetz dadurch gewährleistet, dass jeder Sensor auch die Geräuschsignale von benachbarten Sensoren mit verarbeitet. Dabei wird ein schneller und effizienter Datenaustausch dadurch gewährleistet, dass die einzelnen Sensoren dezentral über ein entsprechendes Netz miteinander kommunizieren. Zur dezentralen Kommunikation können bewährte Technologien, wie Peer-to-Peer-Netze bzw. Ad-hoc-Netzwerke, eingesetzt werden. Die Verwendung von dezentralen Netzen zur Kommunikation zwischen den Sensoren hat den weiteren Vorteil, dass sich diese Netze dynamisch an sich verändernde Gegebenheiten im Netz, d.h. an neu hinzukommende Sensoren bzw. wegfallende Sensoren, anpassen. Hierdurch wird eine kontinuierliche Situationserkennung auch bei einer Veränderung der To- pologie des dezentralen Netzes gewährleistet. Ferner weisen dezentrale Netze den Vorteil auf, dass sie einfach und kostengünstig zu installieren sind.