KI-Videoanalyse im Perimeterschutz: Testergebnisse zu Fehlalarmen und Umwelteinflüssen – TEIL 3
SERIE – TEIL 3. Von Hans-Peter Büttner und Ronald Güldner| Videosensorik, intelligente Analyse und KI prägen moderne Systeme zur Perimetersicherung. Diese dreiteilige Serie erläutert Grundlagen, Analyseverfahren und Testergebnisse. Teil 3 beleuchtet Testergebnisse, Umwelteinflüsse und Systemverknüpfung.
Für die Tests wurden neue Sensor- und Analysesysteme parallel zu einem bestehenden Videoüberwachungssystem betrieben, das bereits seit längerer Zeit zuverlässig im Einsatz war. Die Testumgebung entsprach realen Bedingungen eines Perimeterschutzes, einschließlich Zaunanlagen, Zufahrtsbereichen und angrenzenden öffentlichen Flächen. Ziel war es, die Systeme nicht nur unter idealen Bedingungen zu prüfen, sondern sie bewusst mit komplexen und stochastischen Einflüssen zu konfrontieren. Dazu gehörten sowohl kontrollierte Überwindungsversuche als auch natürliche Umwelteinflüsse wie Wind, Regen, wechselnde Beleuchtung und Tieraktivität.
Die Ergebnisse zeigten, dass alle Systeme sicherheitsrelevante Angriffe zuverlässig meldeten. Unterschiede ergaben sich jedoch bei der Zahl unerwünschter Ereignismeldungen. Diese Falschalarme sind im Perimeterschutz besonders kritisch, da sie das Wachpersonal belasten, die Aufmerksamkeit reduzieren und im Ernstfall zu verzögerten Reaktionen führen können. Die Analyse der Testergebnisse verdeutlicht, wie stark die Leistungsfähigkeit der Systeme von äußeren Bedingungen beeinflusst wird und welche Rolle moderne KI-Verfahren dabei spielen.
Inhalt:
- Schattenspiele: Ein komplexer Einflussfaktor
- Starkregen und IR-Beleuchtung: Nachtbetrieb als Herausforderung
- Personenbewegung am Perimeter: Schatten, Zaunstäbe und Bildperspektive
- Vogelaktivität: Ein unterschätzter Einflussfaktor
- Verknüpfung mit anderen Sicherheitskomponenten
- Fazit
- Kontakt zu den Autoren
Schattenspiele: Ein komplexer Einflussfaktor
Schattenspiele gehören zu den häufigsten Ursachen für unerwünschte Ereignismeldungen im Außenbereich. Je nach Sonnenstand, Bewölkung und Wind entstehen auf Zäunen, Mauern und Bodenflächen ständig wechselnde Muster. Klassische Videosensoren reagieren auf diese partiellen Grauwertänderungen, da sie im Grundprinzip jede relevante Bildveränderung als potenzielles Ereignis interpretieren.
Im Test zeigte sich, dass selbst sorgfältig parametrierte Sensorfelder durch Schatten von Personen, Fahrzeugen oder Vegetation ausgelöst werden konnten. Besonders kritisch waren Situationen, in denen sich Schatten schnell veränderten – etwa durch vorbeifahrende Fahrzeuge oder durch Windbewegungen in Baumkronen. Die Systeme meldeten diese Änderungen als ortsbezogene Ereignisse, obwohl keine sicherheitsrelevante Bewegung stattfand.
KI-basierte Analyseverfahren reduzierten die Falschalarmrate in diesen Szenarien um mehr als 80 %. Der Grund liegt in der objektorientierten Auswertung: Die KI erkennt, dass ein Schatten kein physisches Objekt ist, und bewertet ihn nicht als sicherheitsrelevante Bewegung. Dadurch bleibt das System auch bei stark wechselnden Lichtverhältnissen stabil. In den Tests zeigte sich, dass KI-Systeme selbst bei extremen Schattenspielen nahezu keine unerwünschten Ereignisse generierten.
Starkregen und IR-Beleuchtung: Nachtbetrieb als Herausforderung
Regentropfen erzeugen globale Änderungen im Bild, die klassische Videosensoren in der Regel ignorieren. Bei Nacht jedoch, wenn die Szene mit Infrarotlicht beleuchtet wird, reflektieren Tropfen das IR-Licht unterschiedlich stark. Dadurch entstehen lokale Bildänderungen, die von klassischen Sensoren als relevante Ereignisse interpretiert werden können.
Im Test führte Starkregen bei Nacht zu einer Vielzahl unerwünschter Meldungen. Die Tropfen reflektierten das IR-Licht in unterschiedlichen Winkeln, wodurch die Sensorfelder punktuell aktiviert wurden. Diese Effekte sind zufällig und nicht parametrierbar, da sie von Tropfengröße, Fallrichtung und Beleuchtungswinkel abhängen. Selbst eine sehr fein abgestimmte Parametrierung konnte diese Ereignisse nicht zuverlässig unterdrücken.
KI-basierte Analyseverfahren zeigten in diesen Szenarien eine deutlich höhere Robustheit. Die Systeme meldeten nur tatsächliche Bewegungen von Personen oder Fahrzeugen. Dies ist ein wesentlicher Vorteil, da Starkregen in vielen Regionen häufig auftritt und die Überwachung im Außenbereich stark beeinträchtigen kann.


Personenbewegung am Perimeter: Schatten, Zaunstäbe und Bildperspektive
Bewegen sich Personen direkt am Perimeter, aber außerhalb der zu überwachenden Szene, können klassische Videosensoren dennoch Ereignisse melden. Der Grund liegt in der zweidimensionalen Abbildung der Szene: Schatten oder Bildänderungen zwischen Zaunstäben können in Sensorfeldern als relevante Bewegungen erscheinen.
Im Test zeigte sich, dass Personen, die sich auf öffentlichen Wegen entlang des Zauns bewegten, häufig unerwünschte Ereignisse auslösten. Besonders kritisch waren Situationen, in denen Personen nahe am Zaun vorbeigingen und ihre Schatten auf die Zaunkrone oder den Boden fielen. Die Sensorfelder interpretierten diese Schatten als Bewegungen innerhalb der überwachten Szene.
KI-basierte Systeme zeigten hier eine deutlich höhere Präzision. Sie erkannten Personen zuverlässig, ignorierten aber deren Schatten. Nur wenn eine Person tatsächlich in die überwachte Szene eintrat, wurde ein Ereignis gemeldet. Dies reduzierte die Falschalarmrate erheblich und verbesserte die Zuverlässigkeit der Überwachung.
Vogelaktivität: Ein unterschätzter Einflussfaktor
Vögel gehören zu den häufigsten Auslösern unerwünschter Ereignisse im Außenbereich. Sie landen auf Zäunen, fliegen durch die Szene oder bewegen sich entlang der Zaunkrone. Klassische Videosensoren interpretieren diese Bewegungen als relevante Ereignisse, da sie die Detektionsschwelle überschreiten.
Im Test zeigte sich, dass Vogelaktivität insbesondere in den frühen Morgenstunden und am späten Nachmittag zu zahlreichen unerwünschten Meldungen führte. Die Sensorfelder reagierten auf die Bewegungen der Vögel, obwohl diese sicherheitstechnisch nicht von Bedeutung waren. Besonders kritisch waren Szenen, in denen Vögel direkt auf der Zaunkrone landeten, da die Sensorfelder dort besonders empfindlich eingestellt waren.
KI-basierte Analyseverfahren erkannten Vögel zuverlässig als solche und ignorierten sie. Nur wenn ein Objekt die Merkmale einer Person oder eines Fahrzeugs aufwies, wurde ein Ereignis ausgelöst. Dies reduzierte die Falschalarmrate erheblich und verbesserte die Stabilität der Überwachung.
Verknüpfung mit anderen Sicherheitskomponenten
Videotechnik bildet dreidimensionale Szenen zweidimensional ab. Dadurch entstehen Grenzen, etwa bei der Überwachung von Toren oder historischen Gebäuden, die nicht direkt mit Kameras ausgestattet werden können. Zwischen Kamera und Objekt liegende öffentliche Bereiche lassen sich nicht zuverlässig ausblenden. Dies führt dazu, dass Bewegungen im Vordergrund die Überwachung im Hintergrund beeinflussen können.
Bei den Tests zeigte sich, dass die Kombination aus Videosensorik und ergänzenden Sicherheitssystemen – etwa Zaunsicherungssysteme oder mittels Laser auf Basis der Lidar-Technik – die Robustheit der Überwachung erheblich verbessert. Lidarsysteme ermöglichen eine Überwachung in echtem 3D mit einer Genauigkeit im Zentimeterbereich.
Die Verknüpfung der Systeme erfolgt über definierte Ereignislogiken. Erst wenn mehrere Systeme innerhalb einer bestimmten Zeit ein Ereignis melden, wird ein Alarm ausgelöst. Dadurch lassen sich Falschalarme weiter reduzieren und die Zuverlässigkeit der Überwachung erhöhen.
Fazit
Die Testergebnisse zeigen deutlich, dass klassische Videosensoren unter stochastischen Umwelteinflüssen anfällig für Fehlalarme sind. Schattenspiele, Starkregen, Vogelaktivität und Personenbewegungen außerhalb der Szene können zu zahlreichen unerwünschten Meldungen führen.
KI-basierte Analyseverfahren bieten hier eine deutlich höhere Robustheit und reduzieren die Falschalarmrate erheblich. Insbesondere bei der Überwachung von Bereichen, die eine unmittelbare Reaktion des Sensors erfordern, bietet eine Kombination aus klassischer Videosensortechnik und der KI-Analyse eine Lösung, um sowohl schnelle als auch zuverlässige Auswertungen zu ermöglichen.
Kontakt zu den Autoren
Business Partner
B.I.N.S.S. Datennetze und Gefahrenmeldesysteme Berlin GmbHSaaler Bogen 2
13088 Berlin
Deutschland
Meist gelesen

Feuerwehr Hannover im Interview: Wie Krisenvorsorge und OPLAN Deutschland den Bevölkerungsschutz stärken
Feuerwehr-Chef Bahlmann: Krisenvorsorge, Oplan-Integration & Interschutz-Konzepte der Landeshauptstadt Hannover im exklusiven Interview

Layer-2-Verschlüsselung schützt KRITIS- und OT-Netze
Layer-2-Verschlüsselung schützt KRITIS-Netze mit hoher Performance, geringer Latenz und maximaler Sicherheit.

Glasfaser schützt Kritische Infrastrukturen: AP Sensing erkennt Risiken in Echtzeit über viele Kilometer
Glasfaser als Frühwarnsystem: Faseroptische Sensorik schützt Kritische Infrastrukturen mit Echtzeit Detektion über Kilometer

PMRExpo 2026: Europas Leitmesse für sichere Kommunikation, KRITIS, BOS und 5G-Netze
PMRExpo 2026 zeigt Trends zu BOS, KRITIS, 5G, Leitstellen, Cyberresilienz und Critical IoT.

100 JAHRE IKON: Assa Abloy investiert in den Sicherheitsstandort Berlin
Assa Abloy feiert das Jubiläum der Berliner Sicherheitsmarke Ikon und investiert in ein neues, hochautomatisiertes Logistikzentrum.


















