Zu diesem lizenzpflichtigen Artikel gibt es eine Open Access Version, die kostenlos und ohne Lizenzbeschränkung gelesen werden kann. Die Open Access Version kann inhaltlich von der lizenzpflichtigen Version abweichen.
Preisinformation
Bitte wählen Sie ihr Lieferland und ihre Kundengruppe
Zur Erhöhung der Sicherheit in Straßentunneln werden zunehmend Videokameras zur Beobachtung des Verkehrsgeschehens eingesetzt. Videodetektionssysteme (VDS) sind in der Lage, Brandereignisse und verkehrliche Störfälle schnell und sicher zu detektieren. Voraussetzung für eine funktionierende Tunnel-Videoüberwachung ist eine stabile, hochqualitative Basisalgorithmik. Entwickelt wurde dazu von Center Systems das so genannte 'Single Frame'-Verfahren. Konzipiert wurde hierzu ein Vorgehen, das durch die gezielte Anwendung von Maßnahmen die Diskrepanz zwischen Meldung und Bewertung durch den Operator (relevant/irrelevant) im Laufe der Zeit minimiert. Das Konzept besteht im Wesentlichen aus drei Punkten, die sowohl organisatorische, algorithmische als auch visualisierende Elemente umfassen. Ein weiterer, in der Entwicklung befindlicher Baustein des Konzepts ist die Verwendung eines selbstlernenden Verfahrens, in dem Trainingsdaten (bestehend aus den Meldungen mit deren Parametern und Bewertungen) mittels selbstlernenden Verfahren analysiert werden. Zur Ermittlung von Entscheidungsmodellen kann eine 'Support Vector Machine' (SVM) bzw. eine 'Relevance Vector Machine' (RVM) herangezogen werden, die auf Grundlage aller Meldung des VDS sowie deren Bewertung ein 'Training' vollzieht', in dem Zusammenhänge und relevante Kriterien analysiert werden. Als Parameter (Dimensionen) für die SVM gehen all diejenigen Größen ein, die theoretisch einen Einfluss auf die Meldung haben könnten.