Dasselbe Modell mit derselben Softwareversion erzeugt an einer Kamera verlässliche Alarme, an der Nachbarkamera ist es nutzlos. Vor Ort wird zuerst die Software verdächtigt; meist liegt das Problem darin, wie die Kamera die Szene sieht. Kamerawinkel für Analyse, Pixelgröße des Ziels, Überdeckung, Bewegungsunschärfe und Bildrate bestimmen die Entscheidung des Modells direkt. Im Folgenden erläutern wir diese Effekte mit Zahlenbeispielen und geben die Geometrieanforderungen je Analyseart sowie die Liste, mit der wir die Eignung einer vorhandenen Kamera für Analyse prüfen.
Wie das Modell die Kamera sieht
Ein menschlicher Betrachter interpretiert das Frame als Ganzes und ergänzt fehlende Information aus dem Kontext. Ein Objekterkennungsmodell tut das nicht; es arbeitet mit einem Eingabetensor fester Größe. Der typische Ablauf:
- Der Stream der Kamera (oft nicht der Haupt-, sondern ein Substream niedrigerer Auflösung) wird decodiert.
- Das Frame wird auf die Eingabegröße des Modells verkleinert; in den meisten Anwendungen bleibt das Seitenverhältnis erhalten, und der Rest wird aufgefüllt (Letterbox).
- Das Modell erzeugt für jeden Kandidatenbereich Klasse und Konfidenzwert.
- Der Tracker fügt Erkennungen aufeinanderfolgender Frames zusammen; die Regel-Engine bewertet Zonen-, Linien- und Dauerbedingungen an der Spur.
Aus dieser Kette folgen zwei Dinge. Erstens ist die Auflösung, die das Modell „sieht“, nicht die auf dem Etikett der Kamera, sondern die nach der Verkleinerung verbleibende. Zweitens löst die Regel nicht aus, wenn der Tracker das Ziel in aufeinanderfolgenden Frames verliert, selbst wenn die Erkennung in einem Frame richtig war. Die Kamerageometrie beeinflusst beide Stufen.
Das Modell schaut nicht aufs Etikett.
Die Regeln der Kameraanordnung für den menschlichen Betrachter (Gesichtssichtbarkeit, Montagehöhe, tote Winkel) stehen im Beitrag Montagehöhe und -winkel von Kameras. Hier betrachten wir dieselbe Szene mit den Augen des maschinellen Sehens.
Pixelgröße des Objekts
Damit das Modell verlässlich erkennt, muss das Ziel im verkleinerten Bild über einer bestimmten Pixelhöhe liegen. Diese Untergrenze hängt von Modell und Hersteller ab; Hersteller geben die minimale Zielgröße meist in Pixeln oder als Anteil der Bildhöhe an. Nehmen Sie diesen Wert beim Design aus der Dokumentation des genutzten Produkts, nicht von einem anderen Produkt oder aus Foren.
Beispielrechnung: Denken wir an eine Kamera mit 90° horizontalem Blickwinkel und 1920 Pixel Breite.
- In 20 m Entfernung beträgt die Szenenbreite 2 × 20 × tan(45°) = 40 m; die Pixeldichte 1920 / 40 = 48 Pixel/Meter. Eine 1,7 m große Person ist in voller Auflösung etwa 82 Pixel hoch.
- Verkleinert die Analyse-Engine das Frame auf 640 Pixel Breite, sinkt die Dichte auf 16 Pixel/Meter, die Person auf etwa 27 Pixel.
- Dieselbe Kamera sieht eine Person in 10 m Entfernung nach der Verkleinerung mit etwa 54 Pixeln.
Die Annahme „Nehmen wir eine 4K-Kamera, dann sieht sie auch in die Ferne“ scheitert wegen dieser Rechnung oft: Verkleinert die Engine auch das 4K-Frame auf dieselbe Eingabegröße, gibt es keinen Gewinn. Gewinn entsteht, wenn die Engine das Bild in Kacheln (Tiles) zerlegt, den interessierenden Bereich zuschneidet oder mit größerer Eingabegröße arbeitet. Der Preis ist die Rechenlast. Für Objektivwahl und Blickwinkelrechnung können Sie den Leitfaden Objektiv und Brennweite einer Kamera berechnen nutzen.
Aufgaben, die Attribute und Details erfordern (Helmfarbe, Weste, Kennzeichenzeichen), brauchen mehr Pixel als die Erkennung. Die DORI-Klassen der Tabelle in IEC 62676-4:2014 (Detektion 25, Beobachtung 62,5, Erkennung 125, Identifizierung 250 Pixel/Meter) sind für den menschlichen Betrachter definiert; dennoch sind sie eine gute Referenz, um die Größenordnung der Anforderung zu sehen.
Neigungswinkel und Perspektive
Modelle lernen weitgehend die Blickwinkel ihrer Trainingsdaten. Die Trainingsdaten allgemeiner Modelle bestehen überwiegend aus Bildern nahe Augenhöhe oder leicht von oben. Mit zunehmender Kameraneigung ändert sich das Erscheinungsbild des Ziels:
- Geringe Neigung (nahezu horizontal): Große Entfernung wird abgedeckt, die Perspektive ist stark. Nahe Ziele erscheinen sehr groß, ferne sehr klein; Ziele verdecken einander.
- Mittlere Neigung: Für allgemeine Erkennung, virtuellen Zaun und PSA oft der ausgewogenste Bereich; Rumpf und Kopf des Ziels sind gemeinsam sichtbar.
- Senkrechter Blick (von oben): Überdeckung ist minimal; ideal für Personenzählung und Belegung. Dafür erscheint die Person als Kopf-Schulter-Silhouette, allgemeine Modelle können bei diesem Erscheinungsbild schwach sein, und Gesichts- und Kleidungsattribute sind nicht zu gewinnen.
Perspektive verfälscht auch Abstands- und Geschwindigkeitsschätzungen. Bei Regeln, die in Metern entscheiden, wie der Näheanalyse Stapler–Fußgänger, zeigt die Nähe zweier Rahmen in der Bildebene nicht den tatsächlichen Abstand; es braucht eine Kalibrierung der Bodenebene. Bei geringer Neigung wächst der Fehler dieser Kalibrierung rasch mit der Entfernung. Abstand ohne Kalibrierung ist eine Schätzung.
Überdeckung und Komplexität der Szene
Überdeckung (Occlusion) ist das Verdecken eines Teils des Ziels durch ein anderes Objekt oder eine andere Person. Der Erkennungswert sinkt, der Tracker verliert das Ziel und vergibt beim Wiederfinden eine neue Spurnummer. Bei der Zählanalyse heißt das Doppelzählung; bei der Verletzungsanalyse wird die Regeldauer zurückgesetzt, und es entsteht gar kein Alarm.
Typische Standortbedingungen, die Überdeckung erhöhen, sind Regalgänge, geparkte Fahrzeuge, Säulen, belebte Durchgänge und Bewuchs vor der Kamera. Ein komplexer Hintergrund ist ein eigenes Problem: Reflektierende Flächen, Bildschirme, Personenfiguren auf Plakaten und bewegte Maschinenteile erzeugen Fehlerkennungen. Ein Teil davon wird auf Regelseite mit Ausschlusszonen gesteuert. Eine Ausschlusszone ist aber zugleich ein blinder Bereich; vergessen Sie das beim Zeichnen nicht.
Bildrate und Unschärfe
Bewegungsunschärfe
Ein bewegtes Ziel hinterlässt während der Belichtungszeit eine Spur im Bild. Die Unschärfe wird näherungsweise mit Geschwindigkeit × Belichtungszeit × Pixel/Meter geschätzt. Beispielrechnung: Ein Stapler mit 3 m/s erzeugt in einem Bereich mit 100 Pixel/Meter bei 1/30 s Belichtung etwa 10 Pixel Unschärfe; bei 1/250 s sinkt dieser Wert auf 1,2 Pixel. Nachts verlängert die automatische Belichtung zur Rauschminderung die Shutter-Zeit und erhöht die Unschärfe. Das ist die häufigste Ursache dafür, dass eine tagsüber funktionierende Analyse nachts zusammenbricht. Das Gleichgewicht aus Shutter, Gain und Rauschen beschreiben wir ausführlich im Beitrag Belichtungseinstellungen der Kamera.
Analysebildrate
Die Analyse-Engine arbeitet oft unterhalb der Bildrate der Kamera. Für die Regel zählt, in wie vielen Frames das Ziel im interessierenden Bereich gesehen wird. Beispielrechnung: Eine Person, die mit 1,4 m/s geht, durchquert einen 3 m breiten Bereich in etwa 2,1 Sekunden; bei einer Analyse mit 5 Frames/s erscheint sie in etwa 10 Frames. Ein Fahrzeug mit 36 km/h (10 m/s) durchquert ein 10 m breites Sichtfeld in 1 Sekunde und erscheint bei derselben Analyserate nur in 5 Frames. Für Linienüberschreitung und Richtungserkennung muss der Tracker das Ziel in mehreren aufeinanderfolgenden Frames konsistent sehen; planen Sie bei schnellen Zielen Analysebildrate und Kamerabildrate gemeinsam.
Kompressionsartefakte
Niedrige Bitrate und lange GOP erzeugen in bewegten Szenen Blockbildung und Detailverlust. Das menschliche Auge erträgt das, das Modell nicht; der Erkennungswert sinkt. Bewerten Sie die Bitrate des von der Analyse genutzten Streams unabhängig vom Aufzeichnungsstream. Was für die Aufzeichnung reicht, reicht für die Analyse möglicherweise nicht.
Tabelle der Anforderungen nach Analyseart
Die Tabelle gibt qualitativ die Geometrieprioritäten je Analyseart an. Nehmen Sie numerische Untergrenzen aus der Dokumentation des genutzten Produkts und prüfen Sie sie mit einer Pilotaufzeichnung.
| Analytics | Bevorzugter Winkel | Kritischer Parameter | Typisches Risiko |
|---|---|---|---|
| Perimeterverletzung / virtueller Zaun | Mittlere Neigung, lange Achse | Minimale Zielgröße am fernen Ende | Nachtrauschen, Tiere |
| Personenzählung | Von oben oder nahezu senkrecht | Vollständige Abdeckung der Durchgangslinie | Verschmelzende Ziele in Menschenmengen |
| PSA-Erkennung | Mittlere Neigung, geringe Entfernung | Viele Pixel an Kopf und Rumpf | Mehrdeutigkeit des Helms im Winkel von oben |
| Nähe Fahrzeug–Fußgänger | Hohe Montage, große Abdeckung | Bodenkalibrierung, Bildrate | Perspektivbedingter Abstandsfehler |
| Kennzeichenerkennung | Geringer horizontaler und vertikaler Winkel zum Kennzeichen | Zeichenhöhe, kurzer Shutter | Scheinwerferblendung, Unschärfe |
| Attributsuche | An Durchgangspunkten nahe Augenhöhe | Ausreichend Pixel am Rumpf, Farbbild | Farbverlust im IR-Modus |
Der Einfluss von Winkel und Zeichengröße bei der Kennzeichenerkennung ist ein eigenes Thema; wir behandeln es im Beitrag Wahl von Kennzeichenerkennungskameras und Genauigkeit.
Eignungsprüfung einer vorhandenen Kamera
Bewerten Sie vor dem Ergänzen von Analyse in einem vorhandenen Unternehmens-Kamerasystem an Frames aus der Aufzeichnung, ob die Kamera für diese Analyse geeignet ist. Das ist vor dem Lizenzkauf zu tun. Das Gerüst unserer Checkliste:
- Welchen Stream (Haupt/Sub) und welche Eingabegröße die Analyse nutzt, ist anhand der Produktdokumentation bestätigt.
- Am fernsten Punkt des interessierenden Bereichs wurde die Pixelhöhe des Ziels nach der Verkleinerung berechnet und mit dem Mindestwert des Herstellers verglichen.
- Die Kameraneigung liegt im von der Analyseart bevorzugten Bereich; beim Blick von oben ist bestätigt, dass das Modell für dieses Erscheinungsbild geeignet ist.
- Dauerhafte Überdeckungsquellen im interessierenden Bereich (Regal, Säule, Parkfläche) sind markiert.
- In der Nachtaufzeichnung wurden Unschärfe und Rauschpegel des Ziels geprüft; keine IR-Reflexion oder Blendung.
- Bei hohem Kontrast wie Gegenlicht und Scheinwerfern verschwindet das Ziel nicht.
- In wie vielen Analyseframes das Ziel im interessierenden Bereich erscheint, wurde für die schnellste erwartete Bewegung berechnet.
- Bitrate und GOP des Analysestreams erzeugen in bewegten Szenen keine deutlichen Artefakte.
- Die Kamerabefestigung ist solide; der Bildausschnitt verschiebt sich nicht durch Wind oder Vibration.
Optionen für eine Kamera, die die Liste nicht erfüllt, sind Winkelanpassung, Objektiv- oder Kameratausch oder eine eigene Analysekamera. Die Neubewertung der Kameraanordnung nach diesen Kriterien lässt sich mit der Arbeit Kamerapositionierung und Analyse toter Winkel, Wahl der Analyse-Engine und Regeleinrichtung im Rahmen der Installation von KI-Videoanalyse gemeinsam planen.
Häufig gestellte Fragen
Verbessert eine Kamera mit höherer Auflösung die Analyse immer?
Nein. Die Analyse-Engine verkleinert das Bild oft auf die Eingabegröße des Modells; nach der Verkleinerung liefert ein 4K-Stream möglicherweise kein anderes Ergebnis als ein 1080p-Stream. Hohe Auflösung hilft nur, wenn die Engine das Bild in Kacheln zerlegt oder den interessierenden Bereich zuschneidet. Prüfen Sie in der Dokumentation, welchen Stream und welche Eingabegröße das Produkt für die Analyse nutzt.
Funktioniert Analyse bei Fisheye-Kameras?
Sie kann funktionieren, aber das Modell muss mit Fisheye-Bildern trainiert sein, oder die Analyse muss auf dem entzerrten Bild laufen. Eine senkrecht von der Decke blickende Fisheye-Kamera kann für Personenzählung und Zonenbelegung geeignet sein. Da die Pixelgröße des Ziels zum Bildrand hin rasch sinkt, bleibt sie bei Aufgaben wie Attributerkennung begrenzt.
Lässt sich Analyse ergänzen, ohne den Winkel der vorhandenen Kamera zu ändern?
Bei manchen Kameras ja. Eine Kamera, die die Kriterien der Checkliste zu Pixelgröße, Winkel, Überdeckung und Unschärfe erfüllt, wird unverändert genutzt. Bei den übrigen sind Winkelanpassung, Objektivwechsel oder eine eigene Analysekamera nötig. Entscheiden Sie nicht nach Schätzung, sondern nach Messung an einer Pilotaufzeichnung.
Welche Shutter-Geschwindigkeit wird für Analyse empfohlen?
Es gibt keinen festen Wert; er wird nach Geschwindigkeit des Ziels und Pixeldichte am Ziel berechnet. Die Unschärfe wird mit Geschwindigkeit mal Belichtungszeit mal Pixel/Meter geschätzt und möglichst unter wenigen Pixeln gehalten. Da ein kurzer Shutter das Nachtrauschen erhöht, ist er zusammen mit zusätzlicher Beleuchtung zu bewerten.