Cleveres Zählen von Personen einer Menschenmenge: schnell, präzise und hilfreich

Schauen wir uns die Menschenmenge oben einmal an. Wie viele Personen sind wohl auf dem Foto zu sehen? Wie lange wird man wohl brauchen, um sie alle zu zählen? Und wenn dies nur ein Teil einer grösseren Menschenmenge wäre, wie liesse sich dann abschätzen, wie viele Personen insgesamt anwesend sind? Ganz schön schwierig, nicht wahr? Das gibt uns einen kleinen Einblick darin, wie das Zählen von Menschenmengen früher ablief – mühsam, von Hand durchgeführt und infolgedessen eher ungenau. Heutzutage kann das Ganze jedoch völlig anders laufen.

Das Zählen von Personen einer Menschenmenge ist überaus wichtig. Wir alle wollen unser tägliches Leben gern so gestalten, dass es sicher und bequem ist. Zu wissen, wie viele Personen sich zu einem bestimmten Zeitpunkt in einem bestimmten Raum aufhalten, kann dafür manchmal entscheidend sein. Die Verantwortlichen für Räume und Orte müssen die Bewegung einer grossen Anzahl von Menschen steuern und die für ihre Sicherheit erforderlichen Ressourcen entsprechend planen. Darum werden bei grossen Menschenansammlungen, wie z.B. bei Konzerten, Sportveranstaltungen und Festivals die Personen in Menschenmengen gezählt. Auch für öffentliche Räume wie Flughäfen, Bahnhöfe und Einkaufszentren ist das von entscheidender Bedeutung. Es ist leicht vorstellbar, dass in solchen Situationen eine manuelle Zählung praktisch unmöglich ist.

Im Jahr 2016 veröffentlichte Canon eine Software namens People Counter. Diese Software nutzte eine Technologie zur Analyse von Videoinhalten, um die Anzahl der Personen auf den von Netzwerkkameras aufgenommenen Bildern zu zählen. Schon im Jahr 2019 folgte eine aktualisierte Version (Crowd People Counter genannt), die dank der Entwicklungen im Bereich der künstlichen Intelligenz in der Lage war, Tausende von Menschen in Sekunden zu zählen. Bei einem internationalen Rugbyspiel im Jahr 2018 hatte ein Testeinsatz gezeigt, dass das System im Vergleich zur manuellen Zählung rund 6.000 Personen in nur wenigen Sekunden mit einer Fehlerquote von unter 5% zählen konnte.

Man könnte meinen, dass das einfache „Zählen“ für eine Software kein Problem darstellen dürfte – so einfach ist das allerdings gar nicht. Eine der grössten Herausforderungen besteht beispielsweise darin, dass sich Menschen „überschneiden“, indem sie voreinander oder zu dicht nebeneinander stehen. Für eine Software kann es dabei schwierig werden, eine Person von einer anderen zu unterscheiden. Zur Lösung dieses Problems verwendet Crowd People Counter eine KI, die nur die Anzahl der Köpfe, nicht aber die Gesichter oder Körper in einer Menschenmenge erkennt und zählt. Diese Methode ist wesentlich präziser. Das heisst natürlich, dass der Algorithmus von Crowd People Counter wissen muss, wie ein menschlicher Kopf aussieht. Und zwar in allen möglichen Situationen in einer Menschenmenge und in jedem Winkel, in dem eine Netzwerkkamera ihn sehen könnte. Um das zu erreichen, wurde die KI mit einer grossen Menge von Beispielbildern „gefüttert“, auf denen die Köpfe markiert waren. Die Entwickler:innen beobachteten dann, ob der Algorithmus die Köpfe auf diese Weise besser erkannte. Klingt ganz einfach, nicht wahr? Nicht, wenn man erfährt, dass der Algorithmus dafür mehreren hunderttausend computergenerierte 3D-Massenszenen benötigte – eine Zahl, die ohne den Computer kaum erreichbar gewesen wäre.

Das war natürlich ein Lernprozess, bei dem sowohl die Hardware als auch die Software weiterentwickelt werden mussten. Allein die Bildverarbeitungstechnologie hat in nur sieben Jahren enorme Fortschritte gemacht. Die parallel stattfindenden Fortschritte bei der künstlichen Intelligenz führten dann dazu, dass die „Crowd-Counting“-Technologie schon früh den Weg des Deep-Learning einschlug. Deep-Learning ist ein Teilbereich der künstlichen Intelligenz. Es ahmt das menschliche Gehirn nach, um komplexe Probleme durch das Erkennen von Mustern in Daten zu lösen – ähnlich wie wir Menschen es bei der Wahrnehmung der Welt um uns herum auch tun. Um die Genauigkeit des Crowd People Counter zu erhöhen, entwickelte das Team ein reduziertes Deep-Learning-Modell, das nicht so viel Rechenleistung wie andere Modelle benötigt, dabei aber aufgabenspezifisch viel effizienter ist.

Was Crowd People Counter jedoch von anderen unterscheidet, ist die Art und Weise, wie das Entwicklungsteam hinter der Software die Herausforderungen bewältigt hat. So konnte sich das Team problemlos an das Kameraentwicklungsteam von Canon wenden, was ihnen beispielsweise bei Problemen mit Bildrauschen bei wenig Licht half. Als Ergebnis dieser erfolgreichen Zusammenarbeit konnte die Software ein noch höheres Mass an Präzision erreichen. Die Zusammenarbeit zwischen Axis und Milestone – beides Unternehmen der Canon-Gruppe – bot allen Beteiligten die Möglichkeit, wertvolle Funktionen gemeinsam zu realisieren. Dazu gehören z.B. die Echtzeit-Trendanalyse und die verzerrungsarme Bildauflösung im Megapixelbereich. Infolgedessen wird der Crowd People Counter in einer Vielzahl von Einsatzgebieten und für ganz unterschiedliche Zwecke eingesetzt.

Das führt uns zurück zu der Frage: Warum liegt es auf der Hand, dass das Zählen von Personen in Menschenmengen unsere Sicherheit gewährleisten kann? Es kann verhindern, dass sich hektische Situationen in tödliche verwandeln, indem es das Sicherheitspersonal auf die Gefahr einer gefährlichen Überfüllung hinweist. Es kann sicherstellen, dass der Zugang zu Räumen gemessen wird, oder uns helfen, die maximale Anzahl von Personen festzulegen, die einen Ort sicher besuchen können. Es gibt auch einige unauffälligere, alltägliche Wege, wie das „Crowd-Counting“ die Dinge ein wenig besser machen kann. Sie kann uns hilfreiche Trends aufzeigen, z.B. wie viele Personen voraussichtlich ein Restaurant besuchen werden. Damit können die Gastronomen besser planen, wie viele Lebensmittel an einem bestimmten Tag zubereitet werden müssen, was die Abfallmenge erheblich verringert. Es könnte auch von Stadtplanern genutzt werden, um zu verstehen, wie Räume und Orte genutzt werden. Dieses Wissen könne dann zur Förderung umweltfreundlicherer Transportmöglichkeiten eingesetzt werden Bevor es diese Technologie gab, wäre das eine sehr zeitaufwändige und potenziell komplexe Aufgabe gewesen. Heutzutage muss man zum Glück dafür weder die eigenen Augen, noch einen Taschenrechner benutzen. Es sei denn, man möchte das gern.

Hier erfahren Sie mehr über Canon Crowd People Counter.