Technisches Gebiet Die Erfindung betrifft ein Verfahren zum Überwachen eines vorgegebenen Überwachungs- bereiches mit Hilfe eines Detektionsgerätes, insbesondere mindestens einer Videokamera und/oder eines Mikrofons.

Stand der Technik Die sicherheitstechnische Überwachung von Anlagen und Räumen erfolgt einerseits mit spezifischen physikatischen Sensoren (z. B. Lichtschranken, Bewegungsdetektoren, Gas- sensoren) und andererseits mit Videckameras. Videokameras haben den Vorteil, dass eine Beurteilung der Situation von Ferne durch einen Bewacher durchgeführt werden kann und dass folglich auch relative komplexe Situationen, welche sich mit spezifischen physikali- schen Sensoren nicht erfassen lassen, umfassend überwacht werden können.

Um die Kosten des tjberwachungspersonals möglichst gering halten zu können, wird mei- stens e ne grössere Anzahl von Kameras umschaltbar auf einige wenige gemeinsame Mo- nitcre geschaltet. Die Umschaltung kann dabei in vorgegebenen Zyklen oder selektiv (z. B. bei der Entdeckung einer Bewegung) stattfinden.

Ein Problem der Überwachung durch Videokameras besteht darin, dass der Bewacher mit der Zeit ermüdet. Die Videobilder werden mit der Zeit nur noch oberflächlich oder spora- disch betrachtet.

Darstellung der Erfindung Aufgabe der Erfindung ist es, ein Verfahren der eingangs genannten Art anzugeben, das die Überwachung mit Videokameras insgesamt zuverlässiger und auch effizienter macht.

Die Lösung der Aufgabe ist durch die Merkmale des Anspruchs 1 definiert. Gemäss der Erfindung werden zunächst aus einem momentanen Signalabschnitt durch eine automati- sche Signalanalyse charakteristische Daten ermittelt. Diese Daten werden (z. B. mit einem Zeitvermerk) als Datensatz ab-bzw. zwischengespeichert, um danach mit den Daten von anderen Datensätzen, welche bestimmte Kriterien erfü ! len, statistisch verglichen zu wer- den.

Durch den statistischen Vergleich kann das erfindungsgemässe Überwachungssystem ausserordentliche Situationen erkennen und diese dem Bewacher selektiv zur Kenntnis bringen. Es ist dabei zu beachten, dass das System selbst erkennt, welche Situationen ausserordentlich sind und daher näher zu prüfen sind. Es ist auch nicht erforderlich, von vornherein festzulegen, was in einer bestimmten Überwachungssituation als ausserordent- lich zu gelten hat. Nach einer gewissen Anlaufzeit hat das System nämlich von selbst die Statistik einer ordentlichen Situation gesammelt. (Es stört dabei nicht, wenn bereits in der Anlaufzeit ausserordentliche Situationen auftreten, da diese aufgrund ihrer Seltenheit oh- nehin keinen wesentlichen Einfluss auf die Statistik haben.) Im Rahmen der automatischen Bildanalyse wird das Videobild vorzugsweise in mehrere Segmente (Bildbereiche) zerlegt. Die Segmente können teilweise überlappen oder voll- ständig disjunkt sein. Zu jedem Segment werden danach gewisse charakteristische Daten bzw. Merkmale ermittelt. Die verschiedenen Segmente können gleich oder unterschiedlich behandelt werden. Im erstgenannten Fall wird z. B. zu jedem Segment dasselbe Daten-Set ermittelt. Im zweitgenannten Fall dagegen sind die Segmente z. B. in Gruppen zusammen- gefasst, wobei zu verschiedenen Gruppen unterschiedliche Daten-Sets berechnet werden.

Auf diese Weise ist es z. B. möglich, einen Raum zu überwachen, in dessen einem Teilbe- reich ständig Bewegung ist (z. B. aufgrund des Publikumverkehrs), dessen anderer Teilbe- reich dagegen nur von einer Person (für die Bedienung) begangen wird.

Eine einfache und wirkungsvolle Massnahme bei der Bildauswertung ist z. B. die Graustu- fen-Analyse. Im ausgewählten Segment wird z. B. ein Mittelwert der vorhandenen Graustu- fen berechnet. Es können auch Histogramme der Graustufen (oder der Farbwerte) be- stimmt werden. Bei einer statistisch relevanten Abweichung des Graustufen-Mittelwertes von den entsprechenden Mittelwerten mit anderen Zeitbezügen wird das Videobild z. B. auf einen Überwachungsmonitor aufgeschaltet (bzw. ein Alarm ausgelöst).

Weiter können Daten über vorhandene Texturen, Linien und Kanten ermittelt werden.

Diese können Aufschluss über die Position eines Gegenstandes oder dessen Orientierung geben. Insbesondere eignen sich Kanten zur Bestimmung einer Verschiebungsrichtung und

einer Verschiebungsgeschwindigkeit. Die Geschwindigkeit und die Richtung können durch den Vergleich des momentanen Bildes mit einem oder mehreren vorangangenen berechnet werden. Es kann sich um das unmittelbar vorangegangene handeln (welches bei einer Bildfrequenz von z. B. 25 Hz um 1/25 S zurückliegt) oder um eines, das mehrere Takte zurückliegt. Wie gross der zeitliche Abstand sein soll, hängt von der erwarteten Ge- schwindigkeit des bewegten Objektes ab.

Es kann von Vorteil sein, die bewegten Objekte im Bild zu identifizieren (z. B. als"Person", "Fahrzeug","unbekanntes Objekt"). Zu jedem Objekt können zulässige Parameter (Ort, Geschwindigkeit, Richtung) ermittelt werden. Auf diese Weise können beispielsweise aus- serordentliche Bewegungen von ordentlichen unterschieden werden. (Ein Fahrzeug, das sich auf der Fahrbahn bewegt, und eine Person, die sich auf dem Gehsteig bewegt, sind ordentliche Ereignisse, während eine Person, die sich in einer bestimmten Richtung auf der Fahrbahn bewegt ein ausserordentliches Ereignis sein kann.) Die Zuverlässigkeit und die Fehlalarmrate können durch eine geeignete d. h. situationsbe- zogene Wahl der Vergleichszeitpunkte wesentlich verbessert werden. Es mag zwar in ge- wissen Überwachungssituationen genügen, wenn der statistische Vergleich einfach auf einen vergangenen, nachlaufenden Zeitraum (z. B. die letzten dreißig Minuten) bezogen wird. In komplexeren Situationen kann es dagegen wichtig sein, die Zeitbezüge selektiver festzulegen. Der statistische Vergleich kann z. B. auf ähnliche Zeitbereiche beschränkt werden (ähnliche Tageszeiten, ähnliche Wochentage). Weiter ist es möglich, die Zeitbezüge durch zusätzliche Parameter zu definieren. Es sind z. B. Überwachungssituationen denkbar, bei denen die Temperatur eine Rolle spielt. D. h. dass beim statistischen Vergleich nur sol- che Daten berücksichtigt werden, welche einen ähnlichen Parameterwert (z. B. eine ähnli- che Temperatur) aufweisen. Ferner können auch Bedingungen berücksichtigt werden. Bei- spielsweise ist es möglich, dass ein Ereignis B nur dann kritisch ist, wenn es auf ein Ereig- nis A folgt.

Gemäss einer bevorzugten Ausführungsform werden die Videobilder in einem FIFO-Spei- cher abgelegt. Wird ein ausserordentlicher Zustand des Überwachungsobjektes festge-

stellt, dann wird ein Alarm ausgelöst. Dies führt z. B. dazu, dass der Bewacher die Kontrolle erhält und die im FIFO-Speicher enthaltenen Bildsequenzen abspielen kann. Der Bewacher beurteilt die Situation und ordnet sie einer bestimmten Kategorie zu ("gefährlich","unge- fährlich"). Dieses Ergebnis wird im System zusammen mit den Parameterwerten, welche im vorliegenden Fall zu einer Alarmierung geführt haben, abgespeichert. In späteren Situa- tionen ist es möglich, die Beurteilung des Bewachers in die Situationsanalyse miteinzube- ziehen. Die Fehlalarmrate kann auf diese Weise sukzessive optimiert werden.

In einer Anlaufphase ist es auch denkbar, das System gezielt zu trainieren. Zu diesem Zweck werden im Überwachungsbereich bestimmte Testsituationen durchgespielt (z. B. ein Einbruch). Der Bewacher markiert diejenigen Videobilder bzw. Zeitpunkte, die zu einem Alarmsignal führen müssen. Das System speichert dann die zum entsprechenden Bild ge- hörenden Daten bzw. Parameter ab und ermittelt deren statistische Abweichung von den- jenigen einer normalen Situation.

Die Erfindung beschränkt sich nicht auf die Analyse von Bildsignalen. Von Interesse kann insbesondere auch die Auswertung von akustischen Signalen sein. Dabei wird vorzugs- weise eine spektrale Analyse durchgeführt. Das Signal wird z. B. in Abschnitte einer Länge von 1 bis 10 Sekunden aufgeteilt. Jeder dieser Signalabschnitte wird beispielsweise in Blöcke einer Linge im Bereich von 20 bis 50 ms zerlegt, welche mit einer Fouriertransfor- mation (FFT) in den Spektralbereich überführt werden.

Zur Extraktion der charakteristischen Merkmale können z. B. Frequenzbereiche vorgegeben werden, in welchen die Energieverteilung ermittelt wird. Auf diese Weise können bei- spielsweise Fahrgeräusche identifiziert werden. Durch die Anwendung von spezifischen Kriterien können auch Stimmengeräusche identifiziert werden. Beim Vergleich von aufein- anderfolgenden Signalabschnitten können weitere Informationen gewonnen werden (wie z. B. das regelmässige Schlagen der Rider bei den Schienenstössen). Wenn nun das erfin- dungsgemässe System statistisch relevante Abweichungen feststellt (z. B. plötzlicher An- stieg der Fahrgeräusche, ungewöhnliche Stimmgeräusche etc.) kann dies als Indiz für eine außergewöhnliche Situation (z. B. offene Türe bei fahrendem Zug) benutzt werden.

Im Prinzip eignet sich das erfindungsgemässe Verfahren für jede Überwachungssituation.

Seine besondere Stärke zeigt sich jedoch bei komplexen Situationen. Diese sind insbeson- dere dort zu finden, wo ein dem Publikum (teilweise oder ganz) zugänglicher Bereich über- wacht werden soll. Als Beispiel sei die Überwachung eines Geldautomaten erwähnt. Mit einem erfindungsgemässen System kann auch der Fahrgastraum eines Transportmittels (z. B. eines Zuges) dauerhaft überwacht werden.

Zu erwähnen ist auch die Überwachung von Produktionsanlagen und von einzelnen Pro- zessschritten. Grössere Areale (z. B. ein Kernkraftwerk) können mit mehreren Kameras überwacht werden. Die erfindungsgemässe Auswertung kann dabei die Daten mehrerer Kameras als Gesamtheit (d. h. als umfassenden Datensatz) erfassen, so dass logische Ver- knüpfungen zwischen den Bildern verschiedener Kameras möglich sind.

Ganz aligemein ist es von Vorteil, mehrere Detektionsgeräte unterschiedlicher Gattung zu kombinieren. Die Beurteilung einer Überwachungssituation mit Hilfe von Bild und Ton bei- spielsweise ist zuverlässiger als wenn nur Bild oder nur Ton vorhanden sind. Auch chemi- sche Detektoren oder Analysegeräte können wichtige Informationen liefern. Die Auswahl und Zusammenstellung der verschiedenen Geräte-bzw. Sensortypen hängt natürlich von der konkreten Situation ab.

Aus der nachfolgenden Detailbeschreibung und der Gesamtheit der Patentansprüche er- geben sich weitere vorteilhafte Ausführungsformen und Merkmalskombinationen der Er- findung.

Kurze Beschreibung der Zeichnungen Die zur Erläuterung des Ausführungsbeispiels verwendeten Zeichnungen zeigen : Fig. 1 Eine schematische Darstellung einer beispielhaften Überwachungssitua- tion ;

Fig. 2a, b Zwei schematische Darstellungen von möglichen Segmentierungen ; Fig. 3 Eine schematische Darstellung selektiv gewähiter Zeitbezüge ; Fig. 4 Eine schematische Darstellung des statistischen Vergleichs.

Grundsätzlich sind in den Figuren gleiche Teile mit gleichen Bezugszeichen versehen.

Wege zur Ausführung der Erfindung Im folgenden soll die Erfindung anhand eines konkreten Ausführungsbeispiels erläutert werden. Fig. 1 zeigt eine einfache Überwachungssituation. Ein Haus 1 ist über einen priva- ten Weg 2 erschlossen, welcher durch einen Garten 3 verläuft. An der Frontseite des Hau- ses 1 befinden sich die Haustüre 4 und zwei Fenster 5.1,5.2.

Am Rande des Gartens 3 ist in erhöhter Position eine Videokamera 6 derart montiert, dass Haus 1, Weg 2 und Garten 3 bildlich erfasst werden. Neben der Videokamera 6 kann zu- sätzlich ein Sensor 7 (z. B. ein Tageslicht-Sensor) vorgesehen sein.

Videokamera 6 und Sensor 7 sind an einer Bildverarbeitungsanlage 8 angeschlossen.

Diese verfügt über eine Recheneinheit 9, einen Datenspeicher 10, einen Zeitgeber 11 und einen Bildspeicher 12. Für die Datenübertragung zu einer (nicht dargestellten) Überwa- chungszentrale kann eine Breitbandkommunikationsverbindung (z. B. ein Funksignalsender 13) vorgesehen sein.

Das erfindungsgemässe Verfahren zur Überwachung der Frontseite des Hauses läuft wie folgt ab : Die Videokamera 6 läuft ununterbrochen. Die aufgenommenen Videobilder werden durch die Recheneinheit 9 nach verschiedenen Kriterien automatisch analysiert. Aus dieser Ana- lyse resultiert zu jedem Videobild ein Satz von charakteristischen Daten. Diese werden

einerseits zusammen mit einem Zeitvermerk (vgl. Zeitgeber 11) in einer Datenbank (im Datenspeicher 10) abgespeichert und andererseits mit ausgewählten älteren Daten stati- stisch verglichen. Ergibt sich eine relevante Abweichung von der Gesamtheit der vergan- genen Daten (d. h. von der durch die vergangenen Daten gebildeten Statistik), dann wird ein Alarmsignal an die Überwachungszentrale ausgesendet.

Bei Eingang des genannten Alarmsignals bei der Überwachungszentrale wird z. B. unver- züglich das laufende Videosignal der Videokamera 6 auf einem Monitor zur Anzeige ge- bracht. Der Bewacher kann nun sehen, was sich vor dem Haus 1 abspielt. Ist nichts be- sonderes zu erkennen, so kann er bei Bedarf die im Bildspeicher 12 zwischengespeicher- ten Bildsequenzen abrufen um sicherzustellen, dass tatsächlich nichts Ungewöhnliches vorgefallen ist. Trifft dies zu, dann wird dem System mitgeteilt, dass es sich um einen Fehl- alarm gehandelt hat. Diese Information kann für die Analyse späterer Situationen herange- zogen werden.

Anhand der Figuren 2a, b, 3 und 4 soll erläutert werden, wie die Analyse der Videobilder in vorteilhafter Weise durchgeführt werden kann.

Gemäss einer besonders bevorzugten Ausführungsform wird der Pixelraster 14 bzw. 16 (welcher jedem Videobild zugrunde liegt) in eine Mehrzahl von Segmenten 15.1,15.2... bzw. 17.1 bis 17.6 unterteilt. In Fig. 2a sind alle Segmente etwa gleich gross, d. h. die Un- terteilung entspricht einem regelmässigen Gitter. In Fig. 2b ist die Segmentierung dagegen an die konkrete Überwachungssituation angepasst. So gibt es z. B. ein Segment 17.1, wel- ches bezüglich seiner Form an die von der Videokamera 6 erfasste Perspektive des Weges 2 angepasst ist. In ähnlicher Weise sind die Segmente 17.2,17.3 an dem Garten 3 zu lin- ker und zu rechter Hand des Weges 2 angepasst. Weiter sind im vorliegenden Beispiel je ein Segment 17.4,17.5,17.6 für die Haustüre 4, die übrige Frontseite des Hauses 1 und den Himmel vorhanden. Die Segmente 17.1 und 17.5 sind im vorliegenden Beispiel über- lappend ausgebildet.

Für jedes Videobild werden z. B. die Graustufen ausgewertet. Es kann z. B. für jedes Seg- ment 17.1 bis 17.6 ein Mittelwert für die innerhalb desselben auftretenden Graustufen

ermittelt werden. Es kann z. B. auch ein gewichtetes Mittel (Moment 1. Ordnung) aus den Koordinaten der Pixel und deren Graustufe berechnet werden. Eine weitere Möglichkeit besteht darin, die statistische Verteilung der Graustufen (in Form eines Histogramms bzw. einer Verteilungsfunktion) zu erfassen.

Durch den Vergleich von mehreren, in gleichen zeitlichen Abständen aufeinanderfolgenden Videobildern können ferner bewegte Objekte identifiziert und deren Richtung und Ge- schwindigkeit errechnet werden.

Mit den obenerwähnten Analyseverfahren kann z. B. festgestellt werden, ob und wo sich im Bild etwas verändert. Solche Veränderungen äussern sich einerseits in einer Veränderung der Graustufen bzw. der Graustufen-Statistik und andererseits in der Erkennung eines Ob- jektes und dessen Position, Richtung und Geschwindigkeit.

Die automatisierte Analyse ist damit aber noch nicht beendet. Gemäss der Erfindung er- folgt nun nämlich ein Vergleich der ermittelten Daten bzw. Merkmale mit denjenigen von früheren Videobiidern. Die Bedeutung dieses Vergleichs soll an ein paar Beispielen vor Augen geführt werden.

Dass sich jemand auf dem Weg 2 auf das Haus 1 zu bewegt, ist für sich betrachtet noch nicht ein Grund für einen Alarm. Der Postbote wird sich nämlich jeden Tag einmal zum Haus 1 begeben. Es ist auch denkbar, dass ein fremder Hund auf das Haus 1 zurennt, was ebenfalls keine Alarmsituation darstellen dürfte.

Anders ist die Situation beispielsweise dann zu beurteilen, wenn jemand auf die Fenster 5.1,5.2 zu geht. Diese Situation ist zweifellos als ausserordentlich zu bezeichnen und sollte folglich zu einem Alarm führen. Eine andere alarmierende Situation besteht z. B. dann, wenn sich etwas auf die Haustüre 4 zu bewegt und sich dann nicht innerhalb einer vorgegebenen Zeit entfernt. (Dies könnte bedeuten, dass jemand vor der Haustüre 4 schläft oder dass die detektierte Person die Haustüre aufgebrochen hat und in das Haus eingedrungen ist.)

Zu jedem Videobild gibt es also einen charakteristischen Datensatz. Wird eine grössere Menge von solchen Datensätzen statistisch ausgewertet, dann lassen sich Wertebereiche für ordentliche (d. h. nicht-aussergewöhnliche) Situationen definieren. Liegt nun der mo- mentane Datensatz innerhalb des Wertebereiches, dann ist von Seiten des Systems nichts zu unternehmen. Fällt dagegen ein Datensatz aus dem statistisch ermittelten Wertebereich heraus, dann wird z. B. ein Alarmsignal ausgesendet. Es ist aber auch denkbar, dass eine Überprüfung der Situation mit Hilfe von Ergebnissen früherer Alarmsituationen durchge- führt wird, bevor effektiv ein Alarm ausgelöst wird. Diese Überprüfung kann beispielsweise eine Berechnung der Fehlalarm-Wahrscheinlichkeit beinhalten. (Zu diesem Zweck wird z. B. ermittelt, wie gross der"Abstand"des momentanen Datensatzes von der Alarmgrenze ist und wie gross die"Abstände"bei früheren Fehlalarmen waren.) Anhand der Fig. 3 soll eine weitere Verfeinerung des erfindungsgemässen Verfahrens er- läutert werden. Der aktuelle Zeitpunkt ist mit t0 bezeichnet. Auf der Zeitachse sind meh- rere Zeitabschnitte 18.1 bis 18.4 definiert. Sie sind z. B. alle gleich lang und in regelmässi- gen Zeitabständen angeordnet. Ein solcher Zeitabschnitt 18.1 bis 18.4 kann z. B. durch die Nachtstunden verschiedener Tage definiert sein. Das System macht für jeden Zeitab- schnitt 18.1 bis 18.4 eine statistische Auswertung der Datensätze. Der erfindungsgemässe statistische Vergleich wird in Abhängigkeit davon ausgeführt, ob der momentane Zeitpunkt t0 innerhalb oder ausserhalb eines der vordefinierten Zeitabschnitte liegt. Liegt t0 inner- halb eines Zeitabschnittes (wie in Fig. 3 gezeigt), dann wird der aktuelle Datensatz nur mit derjenigen Statistik verglichen, die sich aus den Datensätzen der entsprechenden voran- gegangenen Zeitabschnitte 18.2 bis 18.4 ergibt. Liegt t0 dagegen ausserhalb eines sol- chen Zeitabschnittes, dann wird die Statistik auf der Basis derjenigen Datensätze ermittelt, welche in der Vergangenheit jeweils ausserhalb der Zeitabschnitte 18.1 bis 18.4 lagen.

Der Zweck einer solchen statistischen Auswertung ist am einfachsten an einem konkreten Beispiel zu erläutern. Während des Tages ist es nicht ungewöhnlich, dass sich eine Person auf den Weg 2 auf das Haus 1 zu bewegt. Anders ist dies jedoch bei Nacht. Indem nun die zu Tageszeiten erfassten Datensätze von den übrigen getrennt statistisch ausgewertet werden, können Sicherheit und Zuverlässigkeit des Systems erhöht werden.

Die Zeitbezüge der Datensätze, welche der statistischen Analyse zugrundegelegt werden, können direkt oder indirekt vorgegeben bzw. festgelegt sein. Im einen Fall wird im voraus definiert, welchen zeitlichen Intervallen der Zeitvermerk eines Datensatzes angehören muss (z. B."Nachtstunden","Samstag","Feiertag"), damit der entsprechende Datensatz für die Statistik berücksichtigt wird. Im anderen Fall sind z. B. andere Parameter für die Rele- vanz zu prüfen (z. B. die Helligkeit, die Temperatur, eine bestimmte Geschwindigkeit eines identifizierten Objektes). Werden die Datensätze in einer Datenbank gespeichert, dann kann im Prinzip nach jedem Element des Datensatzes sortiert werden.

Das System kann auch gewisse Kriterien anhand der bereits aufgetretenen Alarmsituatio- nen bzw. Fehlalarme im Laufe der Zeit erstellen. Namentlich kann die Abfolge von zwei oder mehr Ereignissen als Kriterium für die Relevanz verwendet werden. Beispielsweise kann sich mit der Zeit herauskristallisieren, dass die Abfolge von zwei bestimmten Ereig- nissen A, B unkritisch ist, solange nicht das Ereignis C folgt. Eine solche Konzeption des Verfahrens ist insbesondere dann von Vorteil, wenn eine Mehrzahl von Videokameras (bzw. zusätzlichen Sensoren) zur Überwachung eines grösseren Geländes bzw. Gebäudes zum Einsatz kommt.

Folgendes Beispiel soll dies erläutern : Ein Lieferant wird im Normalfall immer bei einem bestimmten Eingang vorfahren, seine Waren ausladen und diese an einer bestimmten Stelle des Lagers deponieren. Eine erste Kamera des Überwachungssystems wird den vor- fahrenden Lieferantenwagen erkennen, eine zweite das Eintreten des Lieferanten in das Lager. Danach wird das Verlassen des Lagers und das Wegfahren des Lieferantenwagens erkannt. Diese Abfolge von Ereignissen soll nicht zu einem Alarm führen. Geht der Liefe- rant nun aber zuerst an einen anderen Ort und nicht direkt in das Lager, dann ist dies eine ausserordentliche Situation. Ebenfalls ist es ausserordentlich, wenn der Lieferant zwar in das Lager geht, wenn er dieses aber nicht innerhalb einer bestimmten Zeit wieder verlässt (sei es um weitere Waren zu holen oder um das Gelände zu veriassen).

Die erfindungsgemässe statistische Auswertung kann an der vereinfachten grafischen Dar- stellung der Fig. 4 verdeutlicht werden. Auf der Abszisse X ist z. B. der Mittelwert der in

einem bestimmten Segment vorhandenen Graustufen-Werte aufgetragen und auf der Ordi- nate Y der Abstand des Schwerpunktes der Graustufen des Segmentes vom fest vorgege- benen Zentrum des Segments. Jedes Kreuz in Fig. 4 markiert einen Datensatz. Im Normal- fall werden sich die Datensätze in einem gewissen Bereich 19 sammeln. (Selbstverständ- lich werden die Datensätze nicht alle ganz genau gleich sein, da sich z. B. die Lichtverhält- nisse und das Wetter im Verlauf der Zeit ändern können.) In Fig. 4 sind beispielhaft vier Datensätze 23 ausserhalb des Bereiches 19 dar- gestellt. Das System erkennt aufgrund des statistischen Vergleichs, dass diese Datensätze aussergewöhnliche Situationen kennzeichnen können. Bei jedem dieser Datensätze 20 bis 23 hat das System also einen Alarm ausgelöst. Der Bewacher hat in allen vier Fällen die Situation überprüft und festgestellt, dass z. B. nur die Datensätze 20 und 21 tatsächlich Alarmsituationen identifiziert haben. D. h. die beiden anderen Datensätze 22 und 23 waren Fehlalarme. Diese Beurteilung wird im System abgespeichert und bei der nächsten ausser- ordentlichen Situation berücksichtigt. Auf diese Weise lernt das System mit der Zeit dazu.

Die Darstellung in Fig. 4 ist aus Gründen der Klarheit nur zweidimensional. In der Praxis kann ein Datensatz n Elemente enthalten, so dass die statistische Auswertung in n Dimen- sionen erfolgt.

Es ist auch zu beachten, dass sich der Bereich 19 im Verlauf der Zeit entsprechend den Umgebungsbedingungen ändern kann. D. h. dass sich das System an die Realität anpassen kann. Diese Anpassung erfolgt automatisch, da ständig neue und aktuelle Datensätze ab- gespeichert werden.

Die Stabilität des Systems und die Anpassungsfähigkeit können durch die Wahl geeigneter statistischer Auswerteverfahren beeinflußt bzw. kontrolliert werden. Beispielsweise kön- nen aktuelle Datensätze stärker gewichtet werden als alte. Mit dieser Massnahme kann die Anpassung beschleunigt werden. Umgekehrt kann sie durch eine schwache Gewichtung der jungen Datensätze verzögert werden (was zu einer höheren Stabilität führt).

Aus Kostengründen werden Vorortzüge und Untergrundbahnen weitgehend ohne Zugbe- gleitpersonal geführt. Dies bringt namentlich in den Randzeiten ein Sicherheitsdefizit mit sich. Hier kann mit der Erfindung Abhilfe geschaffen werden. Zu diesem Zweck werden beispielsweise in jedem Wagen mindestens eine Videokamera und ein Mikrofon installiert. (Die Anzahl der Mikrofone kann ohne weiteres grösser oder kleiner sein als diejenige der Videokameras. Um Schläge-z. B. aufgrund von Vandalenakten-feststellen zu können, können auch Körperschallmikrofone eingesetzt werden.) Die Bilder und die Tonsignale können z. B. in jedem Wagen mit in den Geräten integrierten Prozessoren aufbereitet wer- den (zur Ermittlung der charakteristischen Datensätze).

Mit Hilfe von Wegsensoren und unter Einbezug von Geschwindigkeit des Zuges, Tageszeit, Streckenabschnitt wird es möglich, von den jeweiligen Umgebungsbedingungen abhängige Statistiken zu erstellen und gefährliche Situationen von ungefährlichen besser zu unter- scheiden. (Umgebungsbedingungen sind z. B. Geräuschpegel des momentanen Strecken- abschnittes bzw. der Fahrgeschwindigkeit, Fahrgastfrequenzen etc.) Gewisse Informatio- nen (Geschwindigkeit, Streckenabschnitt, Zeit etc.) können vom Zugleitsystem geliefert werden.

Vorzugsweise werden alle Detektionsgeräte verknüpft, so dass die Daten aus verschiede- nen Wagen zueinander in Beziehung gesetzt werden können. Wird von der zentralen Verar- beitungsstation im Zug eine auBergewöhnliche Situation festgestellt, kann eine Zentrale des Bahnnetzwerkes via Zugfunk alarmiert werden. Dabei werden vorzugsweise die rele- vanten Bilder und evtl. Tonsignale mitgeliefert. Das Überwachungspersonal kann dann wie bereits weiter oben beschrieben eine Beurteilung der Situation durchführen.

Dadurch dass nur in ganz bestimmten Situationen Bilder an eine bewachte Zentrale über- tragen werden müssen, kann mit relativ beschränkten Funkübertragungskapazitäten gear- beitet werden, ohne dass auf eine Dauerüberwachung verzichtet werden müsste.

Die konkreten Beispiele und Ausführungsformen können in vielfältiger Weise abgewandelt werden, ohne dass der Rahmen der Erfindung gesprengt wird. Die Datensätze können auch mit physikalischen Meßdaten von Sensoren ergänzt werden. Insbesondere können Gas-

sensoren (Rauchmelder), Lichtschranken, Bewegungsdetektoren etc. an geeigneten Stel- len plaziert werden. Beim Einsatz von mehreren synchronisierten Videokameras können die charakteristischen Daten der Videobilder mit demselben Zeitvermerk in einem gemein- samen Datensatz erfasst werden. Die Videokameras können je nach Anwendung statt im sichtbaren auch im unsichtbaren (z. B. infraroten) Spektralbereich empfindlich sein. Im System können auch beliebige Sensoren integriert werden (Drucksensoren, Mikrofone, Feuchtigkeitssensoren etc.).

Das erfindungsgemässe Verfahren kann mit an sich bekannten Mitteln verwirklicht wer- den. Neu ist in erster Linie die Verarbeitung der echtzeitmässig erfassten Daten und die entsprechende Ansteuerung der Systemkomponenten bzw. Alarmsignalisierung. Selbst- verständlich muss sich die Aktion, welche beim Erkennen einer ausserordentlichen Situa- tion ausgelöst wird, nicht im Aufschalten eines Videosignals auf einen Überwachungsmoni- tor erschöpfen. Es können z. B. auch automatisch Türen verriegelt, Scheinwerfer oder Sire- nen eingeschaltet werden.

Zusammenfassend ist festzustellen, dass durch die Erfindung eine automatisierte bzw. für den Bewacher erleichterte Überwachung von komplexen Situationen ermöglicht wird.