Ich habe zu viele Sicherheitsprojekte scheitern sehen, weil die Kamera ein Fahrrad nicht von einem Fußgänger unterscheiden konnte. Nicht motorisierte Fahrzeuge bewegen sich anders, und die meisten grundlegenden PTZ-Systeme können einfach nicht mithalten.
Ja, unsere industrietaugliche KI-PTZ-Kamera1 unterstützt vollständig die intelligente Erkennung, die klassifizierte Verfolgung und die Weganalyse für nicht motorisierte Fahrzeuge wie Fahrräder, E-Bikes und Roller. Das Deep-Learning-Modell behandelt sie als separate Objektklasse mit einzigartigem Bewegungsverhalten, was eine präzise Trajektorienaufnahme und Echtzeitwarnungen ermöglicht.
KI-PTZ-Kamera verfolgt nicht motorisierte Fahrzeuge
Im Folgenden führe ich Sie durch die genauen Funktionen, die unser System bietet. Ich werde die häufigsten Fragen beantworten, die wir von Integratoren und Projektmanagern erhalten, die nicht motorisierten Verkehr in Parks, auf Bauernhöfen, in Lagerhäusern und in städtischen Gebieten verfolgen müssen.
Inhaltsübersicht
Kann die PTZ eine verdächtige Person auf einem Roller durch einen belebten Park verfolgen?
Belebt Parks sind ein Albtraum für herkömmliche PTZ-Kameras. Leute, die Hunde ausführen, Kinder, die rennen, Jogger, die Wege kreuzen. Ich habe Systeme beobachtet, die ein Rollerziel innerhalb von Sekunden verloren haben, weil der Algorithmus es nicht von der Menge trennen konnte.
Unsere PTZ-Kamera verwendet ein kombiniertes Objekterkennungsmodell, das den Fahrer plus Fahrzeug als ein einheitliches Ziel erfasst. Selbst in überfüllten Parkumgebungen mit Dutzenden von sich bewegenden Objekten behält das System eine stabile Verfolgung bei, indem es den Bewegungsvektor des Rollers vorhersagt und Fußgängergeräusche herausfiltert.
PTZ-Kamera verfolgt Roller in belebtem Park
Wie das System mit überfüllten Szenen umgeht
Die Kernherausforderung in einem Parkszenario ist die Objektdichte. Möglicherweise befinden sich 30 oder 40 Personen gleichzeitig im Bild. Eine einfache Bewegungserkennungskamera würde zwischen den Zielen springen oder den Roller ganz verlieren. Unsere Firmware löst dies mit einem mehrschichtigen Ansatz.
Zuerst läuft der KI-Klassifikator auf jedem erkannten Objekt im Bild. Er weist jedem eine Kategorie zu: Fußgänger, Fahrrad, E-Bike, Roller oder Fahrzeug. Dies geschieht in Echtzeit am Edge, nicht in der Cloud. Es gibt keine Round-Trip-Verzögerung.
Zweitens, sobald Sie ein Ziel auswählen (oder das System es basierend auf Ihren Regeln automatisch auswählt), verwendet der Tracker das, was wir nennen Bewegungsvorhersage2. Er betrachtet die Geschwindigkeit und Richtung des Rollers über die letzten paar Bilder. Dann berechnet er, wo sich der Roller in den nächsten 200 Millisekunden befinden wird. Der Schwenk-Neige-Motor beginnt sich zu bewegen, bevor der Roller tatsächlich dort ist.
Warum Objekterkennung “Kombiniertes Objekt” wichtig ist
Hier ist ein Problem, das ich auf vielen Baustellen gesehen habe. Ein Fahrer steigt vom Roller ab und beginnt, ihn zu schieben. Ein einfacher Tracker sieht nun zwei getrennte Objekte: eine Person und ein Fahrzeug. Er weiß nicht, welchem er folgen soll. Manchmal wechselt er sogar die ID.
Unser Algorithmus behandelt Fahrer und Fahrzeug als ein kombiniertes Objekt. Wenn der Fahrer absteigt, behält das System beide im Bild und behält dieselbe Tracking-ID3. bei. Kein ID-Wechsel. Kein verlorenes Ziel.
Wichtige Tracking-Parameter für Parkeinsätze
| Parameter | Wert | Warum es wichtig ist |
|---|---|---|
| Maximale Anzahl verfolgter Objekte | 30 gleichzeitig | Bewältigt überfüllte Parkszenen, ohne Ziele zu verlieren. |
| Wiedererfassungszeit | < 2 Sekunden | Wenn ein Baum kurzzeitig die Sicht blockiert, findet das System das Ziel schnell wieder. |
| Tracking-Geschwindigkeit | Bis zu 200°/Sek. Schwenken | Hält mit Rollern Schritt, die sich mit 25 km/h über das Sichtfeld bewegen. |
| ID-Beibehaltung | Beibehaltung bei Verdeckung | Die Ziel-ID bleibt auch nach vorübergehender Blockade gleich. |
Die Rolle von 4G bei der Fernüberwachung von Parks
Viele Parkinstallationen haben kein kabelgebundenes Internet. Unser 4G LTE-Modul4 sendet Benachrichtigungen und kurze Videoclips innerhalb von Sekunden an Ihr Telefon oder VMS. Das Tracking läuft lokal auf der Kamera. Es benötigt kein Netzwerk, um dem Ziel zu folgen. Das Netzwerk wird nur für Benachrichtigungen und die Fernanzeige verwendet.
Protokolliert das System den “Wegverlauf” eines Fahrrads für die forensische Überprüfung nach einem Vorfall?
Nach einem Vorfall ist die erste Frage immer: “Woher kamen sie und wohin gingen sie?” Ich hatte Kunden, die Versicherungsansprüche verloren haben, weil ihre alten Kameras keine Möglichkeit hatten, die Route eines Fahrrads auf dem Grundstück zu zeigen.
Ja, das System zeichnet die vollständige Pfadhistorie für jedes verfolgte nicht motorisierte Fahrzeug auf. Sie können die Flugbahn auf einer Kartenüberlagerung wiedergeben, strukturierte GPS-referenzierte Daten exportieren und Heatmaps verwenden, um wiederkehrende Reismuster über Tage oder Wochen zu identifizieren.
Wiedergabe der Pfadhistorie der Fahrradverfolgung
Wie die Pfadhistorie aufgezeichnet wird
Jedes Mal, wenn der KI-Tracker ein nicht motorisiertes Fahrzeug erfasst, beginnt er mit der Protokollierung von Positionsdaten. Dazu gehören die Pixelkoordinaten des Objekts im Bild, die entsprechende Schwenk-Neige-Zoom-Position der Kamera und ein Zeitstempel, der auf die Millisekunde genau ist.
Diese Daten werden lokal auf der SD-Karte der Kamera gespeichert oder an Ihr NVR gesendet. Wenn Sie sie später überprüfen müssen, öffnen Sie die Wiedergabeschnittstelle und sehen den Pfad des Fahrrads als Linie auf dem Videobild gezeichnet. Sie können vorwärts und rückwärts durch die Zeit springen.
Export strukturierter Daten
Für forensische Arbeit5, ein Videoclip allein reicht nicht immer aus. Unser System exportiert die Pfaddaten als strukturierte Datei6. Das bedeutet, Sie erhalten eine Tabelle mit Zeitstempeln, Koordinaten und Geschwindigkeitswerten. Sie können diese in Ihre eigene Analysesoftware importieren oder an die Strafverfolgungsbehörden weitergeben.
Heatmap-Analyse für Langzeit-Muster
Die Heatmap-Funktion ist dort, wo dies für B2B-Kunden wirklich nützlich wird. Nehmen wir an, Sie verwalten einen Lagerkomplex. Über 30 Tage sammelt das System jeden Fahrrad- und E-Bike-Pfad, der Ihr Grundstück kreuzt. Anschließend generiert es eine Heatmap7 , die die häufigsten Routen anzeigt.
Dies sagt Ihnen Dinge wie:
- Schneiden Lieferfahrer jeden Morgen durch eine Sperrzone?
- Gibt es eine Lücke in Ihrer Zaunlinie, die Radfahrer regelmäßig nutzen?
- Erscheinen bestimmte Pfade nur nachts?
Workflow für forensische Überprüfung
Hier ist der typische Workflow, den ich unseren Integrationspartnern empfehle:
- Ein Vorfall ereignet sich. Sie erhalten eine Benachrichtigung oder einen Bericht.
- Sie öffnen das NVR und suchen nach Objekttyp: “Fahrrad” oder “E-Bike”.”
- Sie legen das Zeitfenster fest. Das System zeigt alle verfolgten Pfade während dieses Zeitraums an.
- Sie wählen den relevanten Pfad aus und exportieren den Videoclip sowie die Datendatei.
- Sie übergeben beides an Ihren Kunden oder an die Strafverfolgungsbehörden.
Dieser gesamte Vorgang dauert Minuten, nicht Stunden. Sie müssen nicht manuell 24 Stunden Videomaterial durchsuchen.
Pfaddatenspezifikationen
| Merkmal | Detail | Vorteil |
|---|---|---|
| Speicherformat | JSON / CSV-Export | Einfach in jedes Analysewerkzeug zu importieren. |
| Aufbewahrungsfrist | Bis zu 90 Tage auf dem NVR | Deckt die meisten Ermittlungszeitpläne ab. |
| Heatmap-Generierung | Täglich / Wöchentlich / Monatlich | Zeigt langfristige Verhaltensmuster. |
| Suchfilter | Objekttyp, Zeit, Zone | Finde das exakte Ereignis in Sekunden. |
| Koordinatensystem | PTZ-Position + Pixelkarte | Ermöglicht die räumliche Rekonstruktion des Pfades. |
Wie unterscheidet der Tracker zwischen einem Radweg und einem Fußgängerweg?
Das ist eine Frage, die ich von fast jedem Stadtplaner und Campus-Sicherheitsmanager bekomme. Sie wollen nicht nur Objekte verfolgen. Sie wollen, dass das System versteht, wo sich diese Objekte befinden sollten und wo nicht.
Das System verwendet eine benutzerdefinierte Zonenabbildung in Kombination mit Objektklassifizierung. Sie zeichnen Zonen in der Live-Ansicht der Kamera und weisen jeder Zone Regeln zu. Wenn ein Fahrrad eine reine Fußgängerzone betritt oder ein Fußgänger auf einem Radweg geht, löst die Kamera eine spezifische Warnung basierend auf der Art des Verstoßes aus.
Zonenabbildung für Radweg vs. Fußgängerweg
Zonenbasierte Regel-Engine
Die Weboberfläche der Kamera ermöglicht es Ihnen, Polygone direkt im Live-Videostream zu zeichnen. Jedes Polygon wird zu einer benannten Zone. Anschließend weisen Sie dieser Zone Regeln zu. Zum Beispiel:
- Zone A (Radweg): Fahrräder und E-Bikes zulassen. Warnung, wenn ein Fußgänger länger als 10 Sekunden verweilt.
- Zone B (Fußgängerweg): Fußgänger zulassen. Sofortige Warnung, wenn ein nicht motorisiertes Fahrzeug einfährt.
- Zone C (Gemeinsamer Weg): Beides zulassen. Keine Warnungen für normalen Verkehr. Warnung nur, wenn die Geschwindigkeit einen Schwellenwert überschreitet.
Diese Zonenlogik läuft vollständig auf dem Prozessor der Kamera. Sie benötigt keine Server- oder Cloud-Verbindung, um Entscheidungen zu treffen.
Wie die Klassifizierung am Edge funktioniert
Das KI-Modell, das auf der Kamera läuft NPU (Neuronale Verarbeitungseinheit)8 klassifiziert jedes sich bewegende Objekt in eine von mehreren Kategorien. Bei nicht motorisierten Fahrzeugen werden Form, Größe, Seitenverhältnis und Bewegungsmuster berücksichtigt. Ein Fahrrad hat eine ganz andere Silhouette als eine gehende Person. Ein E-Bike ist breiter und bewegt sich schneller als ein Fußgänger.
Der Klassifikator aktualisiert seine Entscheidung in jedem Frame. Wenn also jemand von seinem Fahrrad absteigt und zu Fuß geht, stuft das System ihn innerhalb von etwa einer Sekunde von “Radfahrer” zu “Fußgänger” um. Das bedeutet, dass die Zonenregeln weiterhin korrekt gelten.
Behandlung von Sonderfällen
Reale Einsätze haben immer Sonderfälle. Hier sind die, die ich am häufigsten gesehen habe und wie das System sie behandelt:
- Person schiebt ein Fahrrad: Klassifiziert als “Fußgänger mit Objekt”. Das System kann so konfiguriert werden, dass es dies je nach Wunsch entweder als Fußgänger oder als Radfahrer behandelt.
- Skateboard oder Rollschuhe: Diese fallen standardmäßig unter die Kategorie Fußgänger. Wenn Sie möchten, dass sie separat behandelt werden, unterstützt unsere Firmware benutzerdefiniertes Klassentraining für OEM-Partner.
- Rollstuhl oder Elektromobil: Separat von Freizeitrollern klassifiziert. Das System löst für Mobilitätshilfen keine “nicht motorisierte Fahrzeug”-Warnung aus.
Warum das für die Haftung wichtig ist
Wenn Sie ein Integrator sind, der ein Campus-Sicherheitsprojekt liefert, benötigt Ihr Kunde den Nachweis, dass das System die Trennung von Wegen durchsetzen kann. Es geht nicht nur um Bequemlichkeit. Es geht um Haftung. Wenn ein Radfahrer einen Fußgänger auf einem Gehweg anfährt, kann der Grundstückseigentümer rechtliche Fragen aufwerfen, ob er über angemessene Überwachung und Durchsetzung verfügte.
Unsere zonenbasierten Warnungen geben Ihrem Kunden eine dokumentierte Aufzeichnung. Sie können zeigen, dass das System den Verstoß erkannt und eine Warnung gesendet hat. Das ist eine starke Position in jeder Haftungsdiskussion.
Kann ich einen “Geschwindigkeitsschwellenwert” festlegen, um langsam fahrenden nicht motorisierten Verkehr zu ignorieren?
Fehlalarme zerstören das Vertrauen in jedes Sicherheitssystem. Ich hatte Kunden, die ihr gesamtes Alarmsystem deaktivierten, weil sie täglich 200 Benachrichtigungen von sich langsam bewegenden Fahrrädern erhielten, die keine Gefahr darstellten.
Ja, Sie können Mindest- und Höchstgeschwindigkeitsgrenzen für Warnungen für nicht motorisierte Fahrzeuge festlegen. Das System berechnet die reale Geschwindigkeit jedes Objekts mithilfe einer kalibrierten Pixel-zu-Distanz-Zuordnung. Objekte, die sich unterhalb Ihrer Schwelle bewegen, werden ignoriert, und Objekte, die sie überschreiten, lösen sofortige Warnungen aus.
Konfiguration der Geschwindigkeitsgrenzen für nicht motorisierte Fahrzeuge
Wie die Geschwindigkeitsberechnung funktioniert
Die Kamera hat keine eingebaute Radarpistole. Stattdessen verwendet sie einen Kalibrierungsprozess. Während der Einrichtung teilen Sie dem System die reale Entfernung zwischen zwei Referenzpunkten im Bild mit. Vielleicht ist es die Breite einer Straße oder die Entfernung zwischen zwei Zaunpfählen.
Nach der Kalibrierung kann das System Pixelbewegungen in reale Geschwindigkeit umrechnen. Wenn sich ein Fahrrad in einer Sekunde um 50 Pixel bewegt und das System weiß, dass 50 Pixel 5 Metern entsprechen, dann bewegt sich das Fahrrad mit 5 m/s (ca. 18 km/h).
Diese Berechnung läuft kontinuierlich für jedes verfolgte Objekt. Die Genauigkeit liegt bei etwa 10% für Objekte, die sich senkrecht zur Sichtlinie der Kamera bewegen. Objekte, die sich direkt auf die Kamera zu oder von ihr weg bewegen, sind schwieriger zu messen, aber das System kompensiert dies mithilfe von Zoom-Level-Daten.
Einrichten von Geschwindigkeitsregeln
In der Konfigurationsoberfläche der Kamera finden Sie die Einstellungen für die Geschwindigkeitsgrenze im Menü “Smart Event”. Hier sind die Konfigurationsmöglichkeiten:
- Minimale Geschwindigkeit: Objekte unterhalb dieser Geschwindigkeit lösen keine Benachrichtigungen aus. Stellen Sie diesen Wert auf 5 km/h ein, um geparkte Fahrräder oder Personen, die langsam einen Karren schieben, zu ignorieren.
- Maximale Geschwindigkeit: Objekte oberhalb dieser Geschwindigkeit lösen eine Benachrichtigung mit hoher Priorität aus. Stellen Sie diesen Wert auf 30 km/h ein, um E-Bikes zu erfassen, die durch eine Sperrzone rasen.
- Geschwindigkeits- + Zonen-Kombination: Sie können unterschiedliche Grenzwerte für verschiedene Zonen festlegen. Ein Radweg erlaubt möglicherweise bis zu 25 km/h, während ein Ladebereich bei allem über 10 km/h eine Benachrichtigung auslöst.
Praktische Beispiele
Hier sind einige Beispiele, wie Kunden Geschwindigkeitsgrenzen in realen Einsätzen genutzt haben:
Bauernhof-Perimeter: Der Kunde hatte Mitarbeiter, die jeden Morgen langsam auf Fahrrädern entlang des Zauns fuhren. Diese waren autorisiert. Aber jeder, der sich schnell (über 20 km/h) entlang des Perimeters bewegte, war verdächtig. Durch die Festlegung einer Mindestgrenze von 20 km/h wurden alle Routinebenachrichtigungen eliminiert, während Eindringlinge trotzdem erfasst wurden.
Lager-Ladezone: Gabelstapler und Lieferfahrräder teilen sich denselben Bereich. Der Kunde legte eine maximale Grenze von 15 km/h fest. Jedes nicht motorisierte Fahrzeug, das diese Geschwindigkeit in der Ladezone überschritt, löste eine Benachrichtigung aus, da dies bedeutete, dass jemand rücksichtslos in der Nähe von schwerem Gerät fuhr.
Schulcampus: Die Schule wollte über jedes E-Bike oder jeden Roller auf dem Campus informiert werden, unabhängig von der Geschwindigkeit. Sie legten die Mindestgrenze für die Campuszonen auf 0 km/h fest. Auf dem angrenzenden öffentlichen Gehweg (ebenfalls im Sichtfeld der Kamera) legten sie jedoch eine Mindestgrenze von 10 km/h fest, um Benachrichtigungen von vorbeigehenden Fußgängern mit Kinderwagen zu vermeiden.
Zusammenfassung der Geschwindigkeitsgrenzen-Konfiguration
| Einstellung | Bereich | Standard | Anwendungsfall |
|---|---|---|---|
| Min. Geschwindigkeitsauslöser | 0–50 km/h | 5 km/h | Ignoriere geparkte oder sehr langsame Objekte. |
| Maximale Geschwindigkeitsauslösung | 5–100 km/h | 40 km/h | Erfasse schnell bewegende Bedrohungen. |
| Zonen-spezifische Überschreibung | Pro Zone | Erbt global | Unterschiedliche Regeln für unterschiedliche Bereiche. |
| Alarmpriorität | Niedrig / Mittel / Hoch | Mittel | Hoch für Geschwindigkeitsüberschreitungen in sensiblen Zonen. |
| Kalibrierungsgenauigkeit | ±10% | — | Am besten für senkrechte Bewegung zur Kamera. |
Reduzierung von Fehlalarmen ohne Verpassen echter Bedrohungen
Das Ziel von Geschwindigkeitsgrenzwerten ist einfach: weniger nutzlose Benachrichtigungen, mehr umsetzbare Alarme. Nach meiner Erfahrung reduziert ein gut konfigurierter Geschwindigkeitsgrenzwert Fehlalarme in den meisten Szenarien mit nicht motorisierten Fahrzeugen um 60–80%. Das bedeutet, dass Ihr Überwachungsteam tatsächlich aufmerksam ist, wenn ein Alarm eingeht, weil es darauf vertraut, dass er echt ist.
In Kombination mit der Objekterkennung (sodass Sie nur bei Fahrrädern Alarm schlagen und nicht bei Hunden oder wehendem Müll) und Zonenregeln (sodass Sie nur die Bereiche überwachen, die wichtig sind), vervollständigen Geschwindigkeitsgrenzwerte den Filterstapel. Sie erhalten ein System, das Sie nur dann stört, wenn etwas wirklich Ungewöhnliches passiert.
Schlussfolgerung
Unsere KI-PTZ-Kameras verfolgen nicht motorisierte Fahrzeuge mit klassifizierter Erkennung, Pfadprotokollierung, zonenbasierten Regeln und Geschwindigkeitsfilterung. Jede Funktion läuft am Edge für Echtzeitreaktion, selbst bei 4G-Solar-Bereitstellungen an abgelegenen Standorten.
1. Lernen Sie die Grundlagen der PTZ-Kameratechnologie kennen, einschließlich Schwenk-, Neige- und Zoomfunktionen. ︎↩︎ 2. Erkunden Sie, wie Bewegungsabschätzung zur Vorhersage von Objektbewegungen und zur Verbesserung der Tracking-Genauigkeit eingesetzt wird. ︎↩︎ 3. Erfahren Sie, wie persistente Tracking-IDs die Objektidentität über Frames und durch Okklusionen hinweg aufrechterhalten. ︎↩︎ 4. Verstehen Sie die Rolle von LTE bei der Ermöglichung von Fernverbindungen und Echtzeitwarnungen von Feldkameras. ︎↩︎ 5. Erkunden Sie, wie forensische Videoanalyse zur Rekonstruktion von Ereignissen und zur Unterstützung von Ermittlungen eingesetzt wird. ︎↩︎ 6. Erfahren Sie mehr über strukturierte Dateiformate wie CSV, die zum Exportieren von Pfaddaten für die Analyse nach dem Ereignis verwendet werden. ︎↩︎ 7. Erfahren Sie, wie Heatmaps die Häufigkeit und Muster von Routen verfolgter Objekte im Laufe der Zeit visualisieren. ︎↩︎ 8. Verstehen Sie, wie dedizierte KI-Prozessoren Echtzeit-Edge-Inferenz für die Objektklassifizierung ermöglichen. ︎↩︎