Choose location
Choose location
Global
-
-
North and Central America
Can't find your location? Visit our global site in English.
-
South America
Can't find your location? Visit our global site in English.
- Asia
-
Oceania
Can't find your location? Visit our global site in English.
-
Europe
- Austria - Deutsch
- Belgium - English Français
- Czech Republic - Česky
- Finland - Suomalainen
- France - Français
- Germany - Deutsch
- Italy - Italiano
- Kazakhstan - Русский
- Netherlands - Nederlands
- Poland - Polski
- Portugal - Português
- Romania - Română
- Spain - Español
- Switzerland - Deutsch Français Italiano
- Sweden - Svenska
- Turkey - Türkçe
- United Kingdom - English
- Africa and Middle East
Das ist Objekterfassung
Die Objekterfassung kombiniert mehrere Analysefunktionen. Sie bestimmt, ob ein Objekt vorhanden ist und wo es erscheint und beschreibt es anhand von Objektklasse, Objekttyp und Attributen. Sie kann auch kontextbezogene Daten wie Zeit, Standort und Bewegungen bereitstellen.
Das Ergebnis: Kameras, Radar und andere Sensoren erfassen nicht nur eine Szene. Sie erzeugen strukturierte, kompakte Daten zu Objekten in der Szene, die Systeme zur Automatisierung von Aktionen nutzen oder die Bediener durchsuchen und untersuchen können.
Die Entwicklung der Objekterfassung
Noch vor zwei Jahrzehnten bedeutete Objekterfassung die Beobachtung von Pixeländerungen. Schatten, Scheinwerfer und Wetterbedingungen lösten regelmäßig Fehlalarme aus, und die Systeme hatten keine Möglichkeit zu erkennen, was sie eigentlich sahen.
Durch Deep Learning hat sich dies geändert. KI-Modelle, die mit annotierten bzw. gekennzeichneten Trainingsdaten trainiert wurden, können heute Objekte unter verschiedensten realen Bedingungen zuverlässig erkennen, klassifizieren und verfolgen, anstatt lediglich Bewegungen zu registrieren.
Gleichzeitig haben Fortschritte bei der Hardware die Verarbeitung näher an die Quelle gerückt. Aufgaben, für die früher leistungsstarke zentralisierte Server erforderlich waren, können jetzt direkt auf Kameras und Edge-Geräten ausgeführt werden, was schnellere Reaktionen und skalierbarere Bereitstellungen ermöglicht.
So funktioniert die Objekterfassung
Wenn Kameras, Radare oder Sensoren mit KI-Videoanalyse ausgestattet sind, können sie den Datenstrom in Echtzeit verarbeiten. Sie können Objekte, Aktivitäten und Bewegungen klassifizieren, sobald sie auftreten.
Wenn etwas Relevantes passiert, generiert das System ein Ereignis, basierend auf vordefinierten Aktionsregeln. Dieses Ereignis kann Auslöser für Aktionen wie das Starten einer Aufzeichnung, das Aktivieren von Licht oder einer Sirene oder die Benachrichtigung eines Bedieners sein. Ihr Team erhält Benachrichtigungen, wenn es wirklich darauf ankommt.
Bei der Edge-Videoanalyse erfolgt die Verarbeitung dort, wo die Daten erfasst werden. Dies ermöglicht schnellere Reaktionen, eine reduzierte Bandbreitennutzung und ein System, das effizient skaliert, ohne die Netzwerk-Infrastruktur unnötig zu belasten.
Erfasste Objekte verstehen
- Die Objekterfassung ermittelt, ob sich ein Objekt in einer Szene befindet und wo es sich befindet.
- Die Objektklasse beschreibt, zu welcher Kategorie das erfasste Objekt gehört, wie z. B. ein Mensch, ein Fahrzeug oder ein unbewegliches Objekt.
- Der Objekttyp liefert eine detailliertere Beschreibung innerhalb einer Klasse. Innerhalb der Fahrzeugklasse können die Typen beispielsweise Pkw, Lkw oder Fahrräder sein.
- Objektattribute und -eigenschaften bieten zusätzliche kontextbezogene Details zu erfassten Objekten. Für Menschen können dies Merkmale wie Kleidungsfarbe, Hüte oder Taschen sein. Bei Fahrzeugen können Attribute wie Farbe, Marke und Modell enthalten sein. Diese Attribute unterstützen eine präzisere Suche, Filterung und Analyse und helfen bei der Zuordnung und Abstimmung von Objekten zwischen Kameras oder im Zeitverlauf.
Die Identifizierung unterscheidet sich von der Erfassung und Klassifizierung. In der Videoanalyse bedeutet dies, einer bestimmten Person oder einem bestimmten Objekt mithilfe eines eindeutigen Identifikators, wie beispielsweise eines Gesichts oder eines Kennzeichens, eine eindeutige Identität zuzuweisen.
Wie KI die Erfassung von Objekten verbessert
Die traditionelle Bewegungserkennung war mit mehreren Einschränkungen verbunden: Ein vorbeigehender Schatten, Scheinwerfer oder eine Windböe konnten zum Beispiel für eine Benachrichtigung ausreichen.
Mit KI wird das anders. Anstatt nur auf Bewegungen oder Geräusche zu reagieren, kann sie verstehen, was sie sieht, hört oder anderweitig wahrnimmt. Sie kann eine Person von einem schwingenden Ast unterscheiden, dasselbe Fahrzeug über mehrere Kameras hinweg verfolgen und genauere Klassifizierungen bei dunklen Lichtbedingungen, überfüllten Szenen oder schlechtem Wetter durchführen. Das Ergebnis: weniger Fehlalarme, eine zuverlässigere Erfassung und weniger Rauschen, mit dem sich Ihr Team herumschlagen muss.
Praktische Erfassungsszenarien
Die Objekterfassung unterstützt eine Vielzahl von konfigurierbaren Szenarien, von der einfachen Einbruchserkennung bis zu komplexen Arbeitsabläufen. Hier folgen einige der häufigsten davon.
Sicher und geschützt
Verfolgung von sicherheitsrelevanten Ereignissen wie:
- Einbruchserkennung
- Gebietsschutz
- Erfassen von länger verweilenden Personen
- Erfassen von unbefugten Parkvorgängen
- Überwachung des Belegungsgrads
- Erfassung von persönlicher Schutzausrüstung (PSA)
Betriebliche Effizienz
Messung der Aktivität und Automatisierung von Arbeitsabläufen auf der Grundlage von:
- Personenzählung
- Überwachung von Personenströmen
- Belegungsgrad
- Verweilzeitanalyse
- Warteschlangenüberwachung
- Erkennung von Bewegungen in unzulässiger Richtung
- Erkennung unbefugten Nachfolgens
Business Intelligence
Aggregierte Metadaten von mehreren Sensoren können in Dashboards visualisiert werden, um Trends, Muster und Anomalien aufzudecken, wie z. B.:
- Aktivität in Spitzen- und Normalzeiten
- Belegungstrends
- Personendichte
- Vorhandene Objekttypen
Anpassbare Szenarien
Führen Sie mehrere Erfassungsszenarien gleichzeitig aus, darunter:
- Erfassung von Objekten im Bereich
- Linienüberschreitungserkennung
- Verweildauer
- Zählung der Linienüberschreitungen
- Überwachung des Belegungsgrads
Über kamerabasierte Videoanalyse hinaus
Kameras sind leistungsstark, aber sie reichen nicht immer aus. In schwierigen Umgebungen, etwa bei dunklen Lichtbedingungen, rauem Wetter oder komplexen Szenen, ergänzen Technologien wie Radar und Lichterkennung und Reichweitenbestimmung (LiDAR) die kamerabasierte Videoanalyse. Sie liefern zuverlässige Entfernungs- und Bewegungsdaten und verbessern die Erfassung sowie das Situationsbewusstsein, entweder eigenständig oder in Kombination mit Kameras.
Radarerfassung
Radar nutzt Funkwellen, um Objekte zu erfassen und zu verfolgen, und liefert Daten wie Entfernung, Geschwindigkeit und Bewegungsrichtung.
Da er nicht auf sichtbares Licht angewiesen ist, funktioniert er zuverlässig bei Dunkelheit, Nebel, Regen oder Schnee. Damit eignet er sich gut für den Umgrenzungsschutz und die Verkehrsüberwachung über große Flächen.
Radar erfasst keine visuellen Details. Dank seiner präzisen Bewegungserkennung und Geschwindigkeitsmessung ist es eine wertvolle Ergänzung zu kamerabasierten Analysesystemen.
LiDAR-Fernerkundungstechnologie
LiDAR-Sensoren verwenden Laserimpulse, um Entfernungen zu messen und eine dreidimensionale Darstellung der Umgebung zu erzeugen.
LiDAR berechnet, wie lange es dauert, bis die Impulse zurückkehren, und generiert so präzise räumliche Daten über Objekte, einschließlich ihrer Form und Position.
Dies macht es besonders nützlich, wenn eine genaue räumliche Wahrnehmung entscheidend sind. Beispiele sind Verkehrssysteme, Industrieautomation und erweiterte Überwachung. In Kombination mit kamerabasierten Videoanalysen kann LiDAR die Genauigkeit der Erfassung verbessern und ein vollständigeres Bild einer Szene liefern.
Was durch Objekterfassung und Videoanalysen möglich wird
Eine Videoanalyselösung kann mehr als nur überwachen. Sie kann auch Auslöser für Aktionen basierend auf vordefinierten Regeln sein. Das bedeutet in der Praxis:
Schnellere Reaktion und verbessertes Situationsbewusstsein
Weniger Fehlalarme
Schnellere Suche und Untersuchung
Verbesserung von Sicherheit, Schutz und betrieblicher Effizienz
Lösungen zur Objekterfassung entdecken
AXIS License Plate Verifier
AXIS License Plate Verifier erkennt Fahrzeugkennzeichen bei mittlerem und hohem Verkehrsaufkommen. Es unterstützt die Verkehrslenkung, Zufahrtskontrolle, Parkplatzsuche und Fahrzeugsuche. Außerdem erkennt es auch Fahrzeugtyp, Farbe, Marke und Modell für eine genauere Identifizierung.
Axis Scene Intelligence
Axis Scene Intelligence kombiniert KI-gestützte Analysen mit moderner Bildgebung, um Kameras in smarte Tools zu verwandeln, Aktionen zu automatisieren, eine schnelle Suche zu aktivieren und Einblicke bereitzustellen, die im Verhältnis zu den betrieblichen Anforderungen skaliert werden können.Objekterfassung nach Segmenten
Videoanalyse und Objekterfassung bieten in vielen Branchen einen Mehrwert. Hier sind einige Beispiele.
Smart Cities und Verkehrslenkung
Der Verkehr lenkt sich nicht von allein. Videoanalysen können zu einer Optimierung des Verkehrsflusses beitragen. Durch die Erfassung und Klassifizierung von Fahrzeugen, die Überwachung von Fußgängern und die Identifizierung von Staumustern gewinnen städtische Verkehrsbetriebe wichtige Einblicke. Diese Daten ermöglichen eine dynamische Signalsteuerung, eine schnellere Reaktion auf Vorfälle und eine intelligentere langfristige Infrastrukturplanung.
Filialleistung und -optimierung
Ein Verständnis dafür, wie sich Kunden durch ein Geschäft bewegen, ist der erste Schritt zur Verbesserung ihres Kauferlebnisses. Analysetools erfassen Besucherzahlen, analysieren Besucherströme und überwachen die Länge von Warteschlangen. So erhalten Einzelhändler die notwendigen Daten, um ihre Ladengestaltung, Personalplanung und Betriebsabläufe zu optimieren und Trends zu erkennen, bevor sie zu Problemen werden.
Umgrenzungsschutz
Auf Flughäfen, an Industriestandorten und in Rechenzentren darf nichts dem Zufall überlassen werden. Analysesysteme erkennen und klassifizieren Objekte, verfolgen Bewegungen in definierten Bereichen und melden Ereignisse, die Aufmerksamkeit erfordern, sodass sich das Bedienpersonal auf echte Bedrohungen konzentrieren kann, statt von irrelevanten Störungen abgelenkt zu werden.
Fertigung und Produktion
Ausfallzeiten sind teuer. Analysen helfen dabei, die Produktion zu überwachen, Abweichungen zu erkennen und die Sicherheit zu gewährleisten, indem sie Produktionsstillstände, falsch platzierte Gegenstände oder das unbefugte Betreten von Sperrbereichen aufdecken. Die Edge-basierte Verarbeitung meldet Probleme, sobald sie auftreten und bevor sie eskalieren.
Überlegungen zur Umsetzung
Gute Analysen beginnen mit einer guten Implementierung. Wenn Sie diese Faktoren von Anfang an richtig einbeziehen, liefert Ihr System zuverlässige Ergebnisse und passt sich auch an Ihre künftigen Anforderungen an.Edge, Server, Cloud oder Hybrid – wo sollen Daten verarbeitet werden?
Die Frage, wo Ihre Videoanalyse läuft, beeinflusst alles – wie schnell Ihr System reagiert, wie viel Bandbreite es braucht und wie gut es skaliert. In den meisten Fällen werden mehrere Ansätze kombiniert.
- Edge-basierte Videoanalysen laufen direkt in der Kamera oder dem Gerät und verarbeiten Daten am Erfassungspunkt. Dies ermöglicht eine Erfassung und Reaktion in Echtzeit, reduziert den Bedarf an Bandbreite und Speicherkapazitäten, verbessert den Datenschutz und unterstützt ein skalierbares, resilientes Systemdesign.
- Serverbasierte On-Premise-Videoanalysen verarbeiten Daten von vielen Kameras und Sensoren zentral und ermöglichen so eine systemweite Koordination und Auswertung. Dadurch eignen sie sich besonders für große Implementierungen oder Szenarien, die geräteübergreifende Einblicke und rechenintensive Verarbeitungsprozesse erfordern.
- Cloudbasierte Videoanalysen bieten Flexibilität und Skalierbarkeit und erleichtern den standortübergreifenden Zugriff auf Daten. Sie erfordern in der Regel eine stabile Konnektivität und ausreichende Bandbreite, besonders bei Echtzeit- oder datenintensive Anwendungsfällen. Die Verarbeitung großer Datenmengen, die vollständig in der Cloud erfolgt, kann auch die Bandbreiten- und Speicherkosten erhöhen.
In der Praxis sind hybride Architekturen häufig der bevorzugte Ansatz. Edge-Videoanalysen ermöglichen die Erfassung und Reaktion in Echtzeit direkt auf dem Gerät, während Server- oder Cloud-Lösungen erweiterte Videoanalysen über Standorte hinweg unterstützen. Zusammen bieten sie eine skalierbare, flexible Architektur, die Leistung, Kosten und betriebliche Anforderungen in Einklang bringt.
Umgebungsbedingungen und Genauigkeit
Selbst die anspruchvollste KI-Videoanalyse hängt von der richtigen Grundlage ab. Die Leistung wird durch die gesamte Lösung geprägt – Sensorqualität, Bildtechnologie, System-on-Chip (SoC) und die Anordnung und Konfiguration des Geräts.
Wenn Sie diese Grundlagen von Anfang an richtig umsetzen, kann das System schwierige Bedingungen wie unruhige Szenen, Vibrationen sowie Schwankungen bei Winkel, Maßstab und teilweiser Sichtbarkeit zuverlässiger bewältigen.
In anspruchsvollen Umgebungen können zusätzliche Sensoren wie Radar oder LiDAR die kamerabasierte Videoanalyse ergänzen und bei Bedarf eine zusätzliche Robustheitsebene hinzufügen.
Metadaten und Systemintegration
Die Objekterkennung entfaltet ihren vollen Nutzen erst dann, wenn sie mit den Systemen verbunden ist, die auf die Daten reagieren. Offene Standards und strukturierte Szenen-Metadaten erleichtern die Integration in Zutrittskontrolle, Alarmsysteme und Business-Intelligence-Tools. Dadurch können Erfassungen automatisch die richtige Reaktion auslösen.
Datenschutz und verantwortungsvolle Nutzung
Videoanalysen, die Video- und Audiodaten – und damit potenziell personenbezogene Daten – verarbeiten, bringen eine gewisse Verantwortung mit sich. Die Edge-Verarbeitung trägt dazu bei, die unnötige Übertragung personenbezogener Daten zu begrenzen, während die Datenschutzmaskierung die Einhaltung lokaler Vorschriften unterstützt. Es geht immer darum, die menschliche Entscheidungsfindung zu unterstützen, und nicht darum, sie zu ersetzen.
Skalierbarkeit und langfristige Flexibilität
Wenn sich Ihre Anforderungen ändern, sollte auch Ihre Videoanalyse-Lösung in der Lage sein, sich anzupassen. Skalierbare Architekturen, flexible Bereitstellungsoptionen und Unterstützung für zukünftige Software-Updates schützen Ihre Investition und erleichtern die Erweiterung, wenn Ihr Betrieb wächst.
Zukunftstrends bei Objekterfassung und smarten Videoanalysen
KI, Konnektivität und Edge Computing erweitern den Anwendungsbereich von Videoanalysen. Sie ermöglichen es Systemen, nicht nur zu erfassen, sondern auch zu verstehen, vorausschauen, integrieren und sich anpassen. Erfahren Sie, in welche Richtung es gehen wird.- Prädiktive Analysen
Anhand aggregierter Metadaten lassen sich zeitliche Muster erkennen, Anomalien frühzeitig aufspüren und Risiken identifizieren, bevor sie eskalieren. Statt einfach nur auf Ereignisse zu reagieren geht es darum, sie vorherzusehen.
- Effizientere Verarbeitung
Fortschritte bei der Rechenleistung, spezialisierte Hardware und optimierte Modelle bedeuten, dass jetzt eine breitere Palette von Geräten für fortschrittliche Videoanalysen genutzt werden kann. Dadurch wird eine intelligente Überwachung in mehr Bereichen möglich, nicht nur in großen, gut ausgestatteten Anlagen.
- Integration mit IdD-Systemen
Videoanalysen werden zunehmend über mehrere Datenquellen und Sensoren hinweg integriert, darunter Kameras, Umgebungssensoren und akustische Sensoren. Durch die Einbeziehung dieser Quellen ist ein breiteres Situationsbewusstsein möglich, was zu schnelleren und fundierteren Reaktionen führt.
- Datenschutz und verantwortungsvolle Nutzung
Angesichts wachsender Kapazitäten wird eine verantwortungsvolle Bereitstellung immer wichtiger. Zukünftige Systeme werden auf Privacy-by-Design-Prinzipien beruhen, darunter Anonymisierung, metadatengesteuerte Workflows und eingeschränkte Datenweitergabe. Die Edge-Verarbeitung von Daten kann auch dazu beitragen, den Umgang mit sensiblen personenbezogenen Daten zu reduzieren und die Einhaltung gesetzlicher Vorschriften zu unterstützen.
- AV1 und effizientes Videostreaming
Moderne Videokodierungsstandards wie AV1 reduzieren den Bedarf an Bandbreite und Speicherplatz erheblich und bewahren gleichzeitig eine hohe Bildqualität. Dies ermöglicht eine effizientere Videoübertragung und -speicherung und erleichtert die Skalierung von Videoanalysen über Standorte und Systeme hinweg, ohne die Kosten für die Netzwerk-Infrastruktur zu erhöhen.
Das Orchester zur Objekterfassung
Um unsere KI-basierte Videoanalyse-Technologie auf die Probe zu stellen, haben wir das weltweit erste Orchester aus Videoüberwachungskameras gebildet. Erleben Sie dessen epische Performance und sehen Sie diese Technologie selbst in Aktion.
Weiterführende Erkenntnisse
Die Leistungsfähigkeit von Analysefunktionen
Von Zweck und Nutzen bis zu praktischen Leistungstipps: Erfahren Sie, wie Axis Videoanalysen die Videosicherheit und den Betrieb automatisieren.
Bewegungserkennung
Nicht alle Bewegungserkennungssysteme funktionieren auf die gleiche Weise. Erfahren Sie, welche Sensortechnologien es gibt, wie sie sich unterscheiden und welche am besten zu Ihrer Umgebung und Ihren Sicherheitsanforderungen passt.
Szenarien bei der Objektanalyse
Mit AXIS Object Analytics können Sie genau festlegen, worauf Sie achten müssen, und in Echtzeit darauf reagieren. Erfahren Sie, wie anpassbare Szenarien Ihnen bei der Überwachung der richtigen Dinge an den richtigen Orten helfen, ganz ohne Rauschen.
Ähnliche Themenbereiche
Videoanalyse
Die Objekterkennung ist ein Teil des Gesamtbilds. Erfahren Sie, wie Elemente wie Erfassung, Erkennung, Zählung und Nachverfolgung in Videoanalysen kombiniert werden, um Echtzeit-Einblicke und betriebliche Intelligenz bereitzustellen.
Kennzeichenerkennung
Von der Zufahrtskontrolle über die Verkehrsüberwachung bis zur Fahrtzeitschätzung: Erfahren Sie, wie Fahrzeugkennzeichen und andere Fahrzeugdaten durch Kennzeichenerkennung wertvolle Einblicke bieten.
Geräuscherfassung
Das Situationsbewusstsein beschränkt sich nicht auf den Sichtbereich von Kameras. Erfahren Sie, wie die Erfassung Geräuschereignisse, von Glasbruch bis zu lauten Stimmen, identifiziert und die richtige Reaktion auslöst.