Neuartige Algorithmen für optimierte Videoüberwachung
Es sind zunehmend mehr Videoüberwachungssysteme erforderlich, um erhöhten Sicherheitsanforderungen gerecht zu werden, aber das nötige Personal zur Analyse des Videomaterials steht nicht immer zur Verfügung. So wird bessere Software benötigt, um das Material automatisch, ohne übermäßig viele Fehlalarme analysieren zu können, wozu man verbesserte Algorithmen braucht, insbesondere da sich die programmierbaren Grafikprozessoren (Graphics Processor Unit, GPU) maßgeblich weiterentwickelt haben. Das EU-finanzierte Projekt PARALLELYTICS (Real-time video analytics engine optimized for GPUs) sollte Algorithmen zur parallelen Videoanalyse entwerfen und realisieren, die passend zu den leistungsfähigen hochparallelen Prozessoren von heute optimiert sind. PARALLELYTICS konzentrierte sich auf drei vorrangige Forschungsziele: Auswahl und Konzipierung parallelisierungsfreundlicher Algorithmen für maschinelles Lernen, überwachte und unüberwachte Lernalgorithmen und Merkmaldesign zum Erlernen von Normalität und Entwicklung von adaptiven Nachrichtenaustauschalgorithmen. Die Projektpartner richteten einen Kurs über Maschinenlernen als Teil des Grundstudienlehrplans für Informatik an der Istanbul Sehir Universität ein. Man konzipierte zwei Grundstudiengänge für maschinelles Lernen und probabilistische grafische Modelle. Ein Data Science Lab wurde eingerichtet, zu dem 11 Studierende und Graduierte gehören. Die Forscher entwickelten Merkmalsauswahlmaßnahmen für unüberwachtes und überwachtes Entscheidungsbaum-Lernen und dynamische Zeitverzerrungsanwendungen zur Modellierung von Zeitreihendaten. Diese Verfahren wurden im Folgenden angewandt, um Social-Media-Diskussionen auf verschiedenen soziale Netzwerkplattformen unter Einsatz realer Daten zu modellieren. Sie erstellten gleichermaßen Funktionen zur Formerkennung, Crowdaktivitätserkennung sowie zur Modellierung der Bewegung einzelner Agenten. Darüber hinaus konzipierte das Team von PARALLELYTICS intelligente und Grafikprozessor-freundliche Nachrichtenaustauschalgorithmen, die zur besseren Abschätzung unbekannter Variablen und Entfernung ungültiger Informationen benutzt werden. PARALLELYTICS sollte nun einen Wandel in der Effizienz herbeiführen und die Präzision in der Videoüberwachung verbessern, was der Sicherheit weltweit einen willkommenen Auftrieb verleihen wird.
Schlüsselbegriffe
Videoüberwachung, Grafikprozessoren, PARALLELYTICS, Videoanalyse-Engine
