41 Verhalten und 94 Objektklassen: was IRIS zu sehen versteht

Auf dieser Website stehen Regeln in einem einzigen Satz: „Sag mir Bescheid, wenn nachts jemand an Rampe 4 kommt.“ Unter diesem Satz steckt immer eines dieser 41 Verhalten mit gesetzten Parametern. Anwesenheit in einer Zone, Verlassen der Zone, Belegungsgrenze, Linienüberquerung, Mitgehen durch dieselbe Tür, Verweildauer am Stück oder aufsummiert, Herumlungern, langer Weg, zurückgelassener Gegenstand, entfernter Gegenstand, Stellplatz belegt oder frei, Falschfahrt, plötzliches Beschleunigen, Warteschlange, Menschenansammlung mit Dichte und Risiko, Abstand zwischen Personen, Zonenfolge. Keines davon ist für einen Kunden eigens programmiert: Es sind Bausteine des Motors, mit eigenen Einheiten und Werkseinstellungen, die sich miteinander kombinieren lassen. Deshalb funktioniert das, was in einem Bereich dieser Website gezeigt wird, im nächsten genauso, und deshalb ist ein neuer Fall kein Entwicklungsprojekt, sondern eine Regel mehr. Sie sind einzeln gezählt und einzeln veröffentlicht — nur so kann jemand nachsehen, ob sein Fall auf der Liste steht.

Ein Detektor sagt „Auto“; entscheidend ist, dass das ganze System dasselbe unter „Auto“ versteht. IRIS führt einen eigenen Katalog von 94 Klassen in 12 Familien — Personen, Fahrzeuge, Tiere, Zubehör, Stadtmobiliar, Möbel, Elektronik, Lebensmittel — und jedes Erkennungsmodell übersetzt sein eigenes Vokabular in diesen Katalog. Er ist hierarchisch: Wer „Fahrzeug“ ankreuzt, zählt Auto, Lkw, Bus und Motorrad, ohne sie einzeln zu nennen, und kann ebenso nur die Familie allein anfordern. Die Namen stehen in den acht Sprachen dieser Website. Was der Kunde davon hat, ist konkret: Ein heute eingerichteter Filter arbeitet weiter, wenn das Modell darunter eines Tages gegen ein besseres getauscht wird. Und über der Klasse liegt eine zweite Detailstufe: Ein Auto wird zu Limousine, Geländewagen, Transporter, Lkw, Bus, Motorrad, Fahrrad, Einsatzfahrzeug, Wohnmobil oder Sonderfahrzeug verfeinert.

Hier liegt der Unterschied zwischen einer Erkennung und einer Zahl. Dass sich etwas im Bild schnell bewegt, sagt für sich genommen nichts: Ein weit entfernter Lkw wirkt langsam, ein naher Vogel wie eine Rakete. Um sagen zu können, wie viele Kilometer pro Stunde dieses Fahrzeug fährt, muss jemand der Kamera erklärt haben, wie der Boden aussieht, auf den sie schaut. Es gibt drei Wege, nach Aufwand geordnet: ganz ohne Vorbereitung wird in Höhen des Objekts selbst gemessen, vergleichbar innerhalb derselben Szene; mit der Durchschnittshöhe jeder Klasse, die ab Werk hinterlegt ist, kommen Meter pro Sekunde und Kilometer pro Stunde heraus; und wer vier Bodenpunkte mit ihren echten Maßen markiert, misst wirklich, in Metern auf der Bodenebene. Und es wird immer gesagt, welcher Weg genutzt wurde: Geschätzte Geschwindigkeit ist als geschätzt gekennzeichnet, eine Regel darf verlangen, dass nur der gemessene Wert zählt, und wenn die Kalibrierung ungültig ist, fällt das System auf die unkalibrierten Einheiten zurück, statt einen Meter zu erfinden. Aus demselben Grund werden die Punkte einer Spur nicht mit einer Linie verbunden: Zwischen zwei Punkten, die Sekunden auseinanderliegen, hat niemand etwas gemessen, und die Linie würde einen Weg behaupten, den es nicht gibt.

Wer schon einmal Videoanalyse hatte, hat immer dieselbe Angst: dass es die ganze Nacht piept. Deshalb filtert jedes Verhalten nach Klasse, nach Konfidenz, nach Größe, danach, wie lange das Objekt schon verfolgt wird, und danach, welcher Punkt des Rahmens entscheidet — die Füße, die Mitte, der ganze Rahmen oder jeder Teil, der ihn streift. Es gibt Bereiche, in denen absichtlich nichts erkannt wird, einen doppelten Schwellenwert, damit die Meldung am Rand einer Zone nicht flackert, und vier Steuerungen für Wartezeit, Abkühlung und Obergrenze pro Minute. Bevor eine Regel veröffentlicht wird, sieht man am Livebild, was sie wirklich produziert — auch die Objekte, die den Filter nicht bestehen, und warum —, und man kann sie simulieren, ohne dass sie eine einzige Meldung erzeugt. Und wenn sich etwas nicht prüfen lässt, kommt das Objekt nicht durch, und der Grund wird genannt: Eine Lücke wird nie mit einem erfundenen Wert gefüllt. Auch was es nicht kann, wird gesagt: IRIS weiß nicht, wer jemand ist — es vergleicht das Aussehen eines Objekts, nicht die Identität einer Person —, und wo die Angabe fehlt, die für Meter nötig ist, wird das Feld gar nicht veröffentlicht: abwesend, nie geschätzt. Für die üblichen Regeln gibt es 23 geführte Rezepte, und alles läuft über einen einzigen sicheren Port: Die Netzwerkabteilung bekommt eine Firewallregel zu tun, nicht dreizehn.

Ein Integrator sucht keine Funktion: Er sucht seine, und deshalb sind die 41 nach der Frage gruppiert, die sie beantworten. Neun fragen nach einer Zone — wer hereinkam, wer ging, wie viele drin sind, ab wann es zu viele sind; fünf danach, wo ein Objekt gewesen ist — wo es auftauchte, ob es hier durchkam, ob es dort drinnen endete, ob es A und dann B tat; vier nach einer Linie mit ihrem Pfeil; vier nach der Zeit im Inneren; vier danach, wie es sich bewegt; und vier danach, ob eine Sache in einer anderen steckt: eine Person in einem Fahrzeug, ein Artikel auf einer Palette, eine leere Palette. Die übrigen elf decken ab, was auftaucht und was verschwindet, Menschenmengen, den Abstand zwischen Objekten, Stellplätze und die Qualität des Erkannten. Ist der Fall keiner der 41, wird er gebaut: Der Feinfilter vergleicht jedes Objekt mit elf Feldern über acht Vergleichsoperatoren, und die Bedingungen werden mit „und“ und „oder“ gruppiert, bis die Regel genau das sagt, was sie sagen soll. Auch die Geometrie wird nicht zweimal gezeichnet: Eine einmal gezogene Linie gilt auf einen Schlag für zwanzig gleiche Türen und lässt sich unverändert teilen oder kopieren, um sie je Kamera nachzujustieren. Und der Assistent gibt die ganze Regel als einen Satz zurück, in der Sprache dessen, der sie liest, damit wer unterschreibt auch versteht, was er unterschrieben hat.

Dass ein Objekt dasselbe Objekt bleibt, während es durch die Szene läuft, klingt nach einem technischen Detail und ist der Boden, auf dem alles andere steht. Verweildauer, Weg und Geschwindigkeit sind drei Arten zu sagen „genau dieses hier“: Bricht die Identität jedes Mal, wenn jemand hinter einer Säule vorbeigeht, werden alle drei zu Rauschen. IRIS hält die Identität, während sich das Objekt bewegt, trägt sie ein paar Sekunden weiter, wenn etwas es verdeckt, und holt sie zurück, sobald es wieder auftaucht; und jedes Objekt führt eine kleine Historie seiner Klassen mit, sodass ein Auto, das in der Ferne zum Lkw kippt, die Regel nicht mitflackern lässt. Daraus entsteht, was von jedem Objekt geschrieben stehen bleibt: über vierzig Angaben — Klasse und Untertyp, Farbe aus elf Familien, Größe, Richtung, Beschleunigung, Zeit je Zone, überschrittene Linien mit Uhrzeit, mit wem es unterwegs war — und damit lässt sich Monate später rekonstruieren, wo es entlangkam, wie lange es dauerte, wie schnell es war und welche Aufzeichnung zu diesem Moment gehört. Jede Angabe reist mit ihrer Herkunft und ihrer Zeit: aus welcher Kamera sie stammt und in welcher Zeitzone, damit ein Bericht vor dem standhält, der ihn bestreitet. Und solange ein Objekt noch lebt, gibt es seine Lebenszusammenfassung noch nicht: Das ist eine Lücke mit Grund, kein Fehler, und genau so wird sie gezeigt.