Machbarkeitsstudie zur Nutzung KI-basierter Sensorik zur Tunneleingangsüberwachung
Fördergeber: Bundesministerium für Digitales und Verkehr (BMDV) in der Innovationsinitiative mFund
Projektinformationen
Förderzeitraum: 1. September 2023 - 31. August 2023
Projektpartner: iPattern Institut Hochschule Niederrhein, Masasana GmbH
assoziierte Partner: Bundespolizei, DB Station & Service AG
Fördersumme: 99.995 Euro
Projektvision
Die Deutsche Bahn besitzt mehr als 700 Bahntunnel. Diese müssen zur Aufrechterhaltung des Personenschutzes und der Betriebssicherheit vor unbefugtem Betreten geschützt werden. Aufgrund der hohen Anzahl an Tunneleingängen ist eine ständige manuelle Überwachung der Eingänge nicht wirtschaftlich realisierbar. Ein automatisiertes Erkennen von eindringenden Personen wird unter anderem durch die Wetterbedingungen und die wechselnden Lichtverhältnisse an den Tunneleingängen erschwert.
Bestehende Systeme
Bisherige Überwachungssysteme, welche auf herkömmlichen Bildkameras, Wärmebildkameras und LIDAR-Sensoren basieren, weisen eine hohe Fehlalarmrate auf. Diese führen dazu, dass der Tunnel gesperrt und vor Ort auf eingedrungene Personen überprüft werden muss, bevor er wieder für den Bahnverkehr freigegeben werden kann. Ein präzises Erkennungssystem trägt also nicht nur zur Sicherheit, sondern auch zum reibungslosen Ablauf des Bahnverkehrs bei.
Projektinhalt
Das Projekt wird gemeinsam vom iPattern-Institut der Hochschule Niederrhein und der Masana GmbH mit Unterstützung durch die DB AG und die Bundespolizei durchgeführt. Dabei untersucht die Masana GmbH die automatische Eindringenserkennung mit Farbkameras, während das iPattern-Institut die Verwendung von Dynamic Vision Sensoren untersucht.
Ein Dynamic Vision Sensor unterscheidet sich von herkömmlichen Kameras dadurch, dass nicht vollständige Bilder, sondern nur Änderungen der Lichtverhältnisse erfasst werden. Diese Änderungen werden als Events der Form „Der Pixel an Position (x,y) ist heller/dunkler geworden“ weitergegeben. Diese Art der Datenerfassung hat in diesem Anwendungsfall mehrere Vorteile, darunter:
- Hohe zeitliche Auflösung
- Geringerer Datendurchsatz
- Beschränkung der zu untersuchenden Daten auf bewegliche Objekte
- Hoher effektiver Kontrast
- Verbesserte Datenschutzeigenschaften
Im Rahmen des Projektes wurde untersucht, ob und wie durch den Einsatz dieser Technologien die Fehlerkennungsrate reduziert werden kann, ohne dass korrekte Erkennungen von eingedrungenen Personen verloren gehen.
Informationen zu den Projektergebnissen findet man im Abschlussbericht und in der Veröffentlichung auf der ICPRAM 2024 mit dem Titel: "Intrusion Detection at Railway Tunnel Entrances Using Dynamic Vision Sensors".
