[HS Niederrhein] – Die Mündungen von Eisenbahntunneln sind sicherheitsrelevante Orte. Wenn ein Mensch den Tunneleingang betritt, erhöht sich das Risiko eines Unglücks oder die Einschränkung des Verkehrs erheblich. Mit dem Projekt TuNuKi wollen Forschende des Fachbereich Elektrotechnik und Informatik der Hochschule Niederrhein einen Beitrag zu einer verbesserten Tunnelüberwachung mittels Künstlicher Intelligenz leisten.
Die Mündungen von Eisenbahntunneln sind sicherheitsrelevante Orte. Wenn ein Mensch den Tunneleingang betritt, erhöht sich das Risiko eines Unglücks oder die Einschränkung des Verkehrs erheblich. Mit dem Projekt TuNuKi wollen Forschende des Fachbereich Elektrotechnik und Informatik der Hochschule Niederrhein einen Beitrag zu einer verbesserten Tunnelüberwachung mittels Künstlicher Intelligenz leisten.
Ein Partner des Projekts ist die DB Station&Service AG. Zum Streckennetz der Deutschen Bahn gehören über 700 Tunnel. Diese sicherheitskritische Infrastruktur muss auch im Hinblick auf Terrorismusprävention kontrolliert werden. Eine Überwachung der Tunneleigänge mit Kameras, die von Personen beobachtet werden, ist aus Aufwandsgründen nicht möglich.
„Bisher gibt es zu viele Fehlalarme bei den automatisierten Überwachungssystemen“, sagt Prof. Dr. Regina Pohle-Fröhlich. Die Professorin für Informatik und grafische Datenverarbeitung forscht am iPattern Institut der Hochschule im Bereich der Mustererkennung. Ein Großteil der Alarme wird durch eindringende Tiere oder Umwelteinflüsse hervorgerufen. Dadurch kommt es zu vielen Sperrzeiten in den Tunnelanlagen, da die Strecke nach jedem Alarm begangen werden muss.
Tunnelmündungen bringen viele Herausforderungen mit sich. „Klassische Videoüberwachungsanlagen und die automatisierte Signalauswertung stoßen aufgrund von stark wechselnden Lichtverhältnissen, wie Dunkelheit und plötzliche Beleuchtung durch durchfahrende Züge an ihre Grenzen. Auch die Witterungsempfindlichkeit, insbesondere bei Regen und Schnee in Außenbereichen, birgt Probleme“, sagt Regina Pohle-Fröhlich. Ein weiteres Problem: „Bei der Bildanalyse muss eine große Menge redundanter Informationen verarbeitet werden, was die Rechenanforderungen erhöht und die Reaktionszeiten verlangsamt.“
Um zu besseren Bilderkennungen zu gelangen, möchte das Projektteam eine andere Technologie, als bisher in den Kameras verwendet wird, einsetzten. „Dynamic Vision Sensoren besitzen eine bessere Kontrast- und zeitliche Auflösung. Dadurch können kleinste Objekte erkannt und die Witterungsbedingungen an den jeweiligen Standorten der Kameras berücksichtig werden“, erklärt Pohle-Fröhlich. Ein weiterer Vorteil ist, dass die Technik nur Änderungen in der bewachten Zone analysiert und dadurch deutlich weniger Bilder entstehen, die dann verarbeitet werden müssen.
Die Professorin möchte im Projekt einen maßgeschneiderten Erkennungsalgorithmus entwickeln, der die Bilder der Kameras im Anschluss treffsicher auswertet. „Ziel ist es, mit Hilfe von Methoden der künstlichen Intelligenz eine sichere Klassifikation zwischen Personen und anderen sich bewegenden Objekten im Tunneleingangsbereich zu ermöglichen“, sagt sie.
Das Projekt TuNuKi wird im Rahmen der Innovationsinitiative mFUND mit rund 100.000 Euro durch das Bundesministerium für Digitales und Verkehr gefördert. Weitere Projektpartner sind die Bundespolizei und die Masasana GmbH.