Verbesserung der Aufmerksamkeitsspanne von

Verbesserung der Aufmerksamkeitsspanne
von Menschen mithilfe von HD-Analysen
Aufmerksamkeitsfähigkeit des Menschen
Von Herbert A. Simon, dem Wegbereiter der künstlichen Intelligenz, stammt der
Satz „Reichtum an Information erzeugt Armut an Aufmerksamkeit“. Er hat darauf
hingewiesen, dass die meisten technologischen Systeme allein darauf ausgerichtet
waren, so viele Informationen wie möglich zu liefern, ohne dass dabei die
Aufmerksamkeitsspanne des Menschen in Betracht gezogen wird. Mit diesen
Systemen wurden also zu viele Informationen bereitgestellt, während eigentlich
Systeme benötigt wurden, bei denen irrelevante Informationen herausgefiltert
und wichtige Daten hervorgehoben werden (Simon 1996).
Aufmerksamkeitsverlauf des Bedienpersonals
100
Aufmerksamkeitsfähigkeit %
Die Aufmerksamkeitsspanne des menschlichen Gehirns ist begrenzt. Eine Studie aus
dem Jahr 1999 (Green, 1999) ist zu dem Ergebnis gekommen, dass dem Wachpersonal
beim Verfolgen einer Videoszene nach 20 Minuten bis zu 95 Prozent aller Aktivitäten
entgehen. Bei der Videoanalysetechnik werden neue Entwicklungen im Bereich
der Mustererkennung für Videodaten genutzt, um diesem Problem zu begegnen.
Die Technik ist von einem rein forensischen Werkzeug zu einer proaktiven Lösung
mit hoher Leistungsfähigkeit geworden. In Verbindung mit HD-Bildqualität versorgt
die HD-Analyse das Sicherheitspersonal mit hochpräzisen Warnungen und scharfen
Bilddetails, damit bei Vorfällen effektiver reagiert werden kann und schneller die
richtigen Maßnahmen ergriffen werden.
90
80
70
60
50
40
30
20
10
0
nach 20 Minuten
0
5
10
15
20
25
30
Zeit in Minuten
Aufmerksamkeitsspanne
Herbert A. Simon hat die „Theorie der Aufmerksamkeitsökonomie“ beschrieben:
einen Ansatz für das Informationsmanagement, bei dem die menschliche
Aufmerksamkeitsfähigkeit als knappes Gut und einschränkender Faktor
betrachtet wird, was die Aufnahme von Informationen betrifft. Die Theorie
der Aufmerksamkeitsökonomie dient als Unterstützung zur Schaffung von
Systemen, bei denen die begrenzte Aufmerksamkeitsfähigkeit in das Design
integriert ist. Mithilfe von Filtern wird sichergestellt, dass bereits die ersten
Daten, die Benutzern präsentiert werden, relevant und von Interesse sind.
Sicherheitsrisiken in Verbindung mit der
menschlichen Aufmerksamkeitsspanne
Basierend auf der oben beschriebenen Theorie liefern die meisten Sicherheitszentralen und
dazugehörigen Videoüberwachungssysteme dem Sicherheitspersonal heutzutage allzu reichhaltige
Informationen, was zu einer Armut an Aufmerksamkeit führt. Verschiedene Studien haben einen
besorgniserregenden Trend bei der Leistung von Bedienern aufgezeigt:
1. Die Leistung des Sicherheitspersonals lässt nach 20 Minuten erheblich nach.
2. Schlechte Bildqualität beschleunigt diesen Leistungsabfall.
3. Wenn die Anzahl der zu verfolgenden Kameras verdoppelt wird, erhöht sich der Leistungsabfall
um den Faktor 2.
Das Konzept der Technik für die Videoanalyse besteht darin, nur die Informationen bereitzustellen,
für die die sofortige Aufmerksamkeit des Bedieners erforderlich ist. Bei der überwiegenden Mehrheit
der Systeme wird jedoch eine unnötig große Menge von irrelevanten Informationen geliefert, was
beim Bedienpersonal zu Verwirrung und Untätigkeit führt.
WHITEPAPER
Evolution der Videoanalyse
Videobewegungserkennung
100
Als Reaktion darauf wurde in der Branche daher der Schritt von VMD zur
fortgeschrittenen Bewegungserkennung (Advanced Video Motion Detection,
AVMD) unternommen. AVMD basiert auf der Nutzung von Hintergrundmodellen,
damit bei allen Veränderungen, die eine Abweichung von einem festgelegten
Hintergrundmodell darstellen, gewarnt werden kann. Bei dieser Technik steht
die Überwachung einer Szene im Mittelpunkt, und die per komplexer manueller
Kalibrierung erfassten Daten werden genutzt, um sich bewegende Objekte zu
identifizieren. AVMD ist effektiv, wenn das System richtig eingerichtet und kalibriert
wird. Die Technik stößt jedoch an ihre Grenzen, wenn sich die Zusammensetzung
des Hintergrunds ändert (z. B. durch umweltbedingte, saisonale und physische
Veränderungen), sodass es im Laufe der Zeit vermehrt zu Fehlalarmen kommt und
eine regelmäßige Neukalibrierung erforderlich ist.
Der vorerst letzte Evolutionsschritt bei der Videoanalyse ist die erweiterte
Videomustererkennung, bei der Algorithmen zum Modellieren eines Musters
genutzt werden. Es wird bei jeder Veränderung gewarnt, die ein Muster eines
bekannten Objekttyps aufweist, z. B. eine Person oder ein Fahrzeug. Der
Schwerpunkt der Technik liegt auf der Erkennung der Objekte im Sichtfeld
und der Nutzung von Informationen zur Bewegung des Objekts, damit es
genau klassifiziert werden kann. Menschen erkennen Objekte wie folgt: Sie
nehmen ein Objekt anhand des Aussehens, der Form und der Bewegung
wahr. Die erweiterte Videomustererkennung funktioniert auf ähnliche Weise.
Von den drei obigen Arten der Videoanalysetechnik bietet die erweiterte
Videomustererkennung die geringste Häufigkeit von Fehlalarmen. Die
Aufmerksamkeitsfähigkeit des Bedienpersonals wird gefördert, indem nur
Informationen hervorgehoben werden, die relevant und von Interesse sind.
90
80
70
60
50
40
30
20
10
0
0
5
10
15
20
25
30
25
30
25
30
Zeit in Minuten
Fortgeschrittene Bewegungserkennung
100
90
Aufmerksamkeitsfähigkeit %
Die Videobewegungserkennung (Video Motion Detection, VMD) ist mittlerweile
eine Standardfunktion, die in die meisten neuartigen Überwachungskameras,
Aufzeichnungsgeräte und Videomanagementsoftware-Systeme integriert ist.
Bei der VMD-Funktion geht es um die Erkennung von Pixelbewegungen zwischen
einzelnen Szenen anhand eines einfachen Schwellenwerts, der vom Benutzer
festgelegt wird. VMD ist in sterilen und statischen Umgebungen am effektivsten,
während die Eignung für dynamische Umgebungen begrenzt ist, da häufig falscher
Alarm auftritt. Diese hohe Rate von Fehlalarmen bewirkt unmittelbar eine schnelle
Verringerung der Aufmerksamkeit beim Bediener.
80
70
60
50
40
30
20
10
0
0
5
10
15
20
Zeit in Minuten
Mustererkennung
100
90
Aufmerksamkeitsfähigkeit %
1. V
ideobewegungserkennung: Jede Veränderung von einem Bild zum nächsten
ist wichtig.
2. Fortgeschrittene Bewegungserkennung: Jede Veränderung, die von einem
Hintergrundmodell abweicht, ist wichtig.
3. E
rweiterte Videomustererkennung: Jede Veränderung, die das Muster eines
bekannten Objekttyps aufweist, ist wichtig.
Aufmerksamkeitsfähigkeit %
Die Videoanalyse basiert auf drei technologischen Kernbereichen:
80
70
60
50
40
30
20
10
0
0
5
10
15
20
Zeit in Minuten
Aufmerksamkeitsspanne
Videobewegungserkennung
Fortgeschrittene Bewegungserkennung
Mustererkennung
WHITEPAPER
Kombination von HD-Video und HD-Analyse
In einer Studie aus dem Jahr 1983 (Nuechterlein, 1983) zum Verlauf der visuellen Aufmerksamkeit
wurde ein starker Zusammenhang zwischen der Bildqualität und dem Aufmerksamkeitsverlauf
nachgewiesen, da eine schlechtere Bildqualität zu verringerter Aufmerksamkeit führte. Die in
der Sicherheitsbranche tätigen Bediener können nicht sehen, was nicht erfasst wird, und es ist
unmöglich, die Qualität von Bildern mit schlechter Auflösung zu verbessern. Dies verdeutlicht,
wie wichtig eine gute Qualität der Videodaten ist.
Im Rahmen der Evolution der HD-Videoüberwachung ist die Nutzung einer höheren Auflösung und
besseren Videoqualität ein wirksames Mittel zur Steigerung der Aufmerksamkeit von Bedienern.
Im Jahr 2008 wurde in einer Studie (Sulman, Sanocki, Goldgof & Kasturi, 2008) zur Effektivität
der menschlichen Leistung bei der Videoüberwachung darauf hingewiesen, dass Menschen beim
Verfolgen gleichzeitiger Signale starke Defizite aufweisen. Die Ergebnisse der Studie zeigten,
dass Bedienern beim Verfolgen von neun Displays 60 % der Ziele entgehen, während der Wert
beim Verfolgen von vier Displays nur 20 % beträgt.
Dank des Einsatzes von Bildern mit höherer Auflösung in Verbindung mit passenden Objektiven
und Kamerapositionen haben Unternehmen nun die Möglichkeit, die Gesamtzahl der installierten
Kameras zu reduzieren. HD-Bilder haben den Vorteil einer großen Abdeckung und ermöglichen
das Vergrößern von Bereichen per digitalem Zoom, um Szenen mit hohem Detailgrad zu überprüfen.
Die verbesserte Abdeckung erfordert auch für größere Bereiche weniger Kameras, sodass Bediener
weniger Monitore verfolgen müssen. Laut einer Studie aus dem Jahr 2008 trägt diese Technik zu
einer verbesserten Identifizierung von Objekten bei.
High-Definition (HD)
Analog
Eine Anwendung für die HD-Videoanalyse in Kombination mit der erweiterten Videomustererkennung
bietet in Bezug auf die Probleme bei der menschlichen Aufmerksamkeitsspanne und der Identifizierung
von Zielen die folgenden vier Lösungsansätze:
1. P
er Modellierung von Mustern wird bei der Erkennung eine Filterung auf bekannte
Objekte durchgeführt.
2. Die hochpräzise Objekterkennung versorgt Benutzer mit Alarmen, die relevant und von Interesse sind.
3. D
urch perfekten Einsatz von Kameras mit hoher Auflösung wird die Gesamtzahl der Kameras
reduziert und die Fähigkeit der Bediener zur Identifizierung von Zielen erhöht.
4. HD-Videodaten liefern Bilder mit hohem Detailgrad und somit die Voraussetzung für die Einleitung
der erforderlichen Maßnahmen.
Fazit
Quellen:
Green, Mary W. (1999) The Appropriate and Effective Use of
Security Technologies in U.S. Schools, A Guide for Schools
and Law Enforcement Agencies, Sandia National Laboratories
Sulman, N.; Sanocki, T.; Goldgof, D.; Kasturi, R., “How effective
is human video surveillance performance?,” Pattern Recognition,
2008. ICPR 2008. 19th International Conference on, vol., no.,
pp.1,3, 8-11 Dec. 2008
Nuechterlein, K.H., Parasuraman, R. & Jiang, Q. (1983).
Visual sustained attention: Image degradation produces
rapid sensitivity decrement over time. Science, 220, 327 - 329
National Center for Biotechnology Information, U.S. National
Library of Medicine, The Associated Press
Der Videoüberwachungsmarkt hat einen kritischen Punkt erreicht, indem die Aufmerksamkeitsspanne
des Bedienpersonals optimiert wird und effektive Lösungen für eine proaktive Überwachung bereitgestellt
werden. Die Ergebnisse mehrerer Studien zu diesem Thema zeigen, dass es immer wichtiger wird,
Weiterentwicklungen der Videoanalysetechnik zu nutzen, z. B. die Videomustererkennung. Ziel ist
die Bewältigung der Anforderungen, die sich aus einer immer größeren Menge von Informationen
und einer Verkürzung der Aufmerksamkeitsspanne ergeben. Wir befinden uns in der Ära der
HD-Videobilder. Die HD-Analyse in Verbindung mit HD-Bildern liefert dem Sicherheitspersonal
hochpräzise Warnungen und scharfe Bilddetails, damit bei relevanten Vorfällen effektiv reagiert
und die richtige Gegenmaßnahme ergriffen werden kann.
Weitere Informationen dazu, wie HD-Analysetechnologie von Avigilon™ die Effektivität Ihres
Videoüberwachungssystems steigern kann, erhalten Sie unter avigilon.com/HDanalytics.
© 2014 Avigilon Corporation. Alle Rechte vorbehalten. Soweit nicht ausdrücklich schriftlich vereinbart, wird Ihnen keine Lizenz für Urheber-, Industriedesign-, Marken-,
Patent- oder andere Rechte an geistigem Eigentum der Avigilon Corporation oder ihrer Lizenzgeber erteilt. AVIGILON, HDSM und HIGH DEFINITION STREAM MANAGEMENT
(HDSM) sind nicht registrierte und/oder registrierte Marken der Avigilon Corporation in Kanada und anderen Gerichtsbarkeiten weltweit. Bei den in diesem Dokument
genannten Produktnamen kann es sich sowohl um nicht registrierte als auch um registrierte Marken der jeweiligen Inhaber handeln. ™ und ® werden in diesem Dokument
nicht im Zusammenhang mit jeder Marke verwendet.
WHITEPAPER