VERFAHREN ZUM ERKENNEN EINES SICHERHEITSRELEVANTEN EREIGNISSES INNERHALB EINER FAHRGASTKABINE EINES SCHIENENFAHRZEUGS

Abstract

 Die Erfindung betrifft ein Verfahren (100) zum Erkennen eines sicherheitsrelevanten Ereignisses innerhalb einer Fahrgastkabine (202) eines Schienenfahrzeugs (201), umfassend:
- Empfangen (101) von Bilddaten (207) eines einen Innenraum (203) der Fahrgastkabine (202) des Schienenfahrzeugs (201) einsehenden Kamerasensors (205);
- Bestimmen (103) eines optischen Flusses (217) von wenigstens einem Bildelement (215) der Bilddaten (207) für einen vorbestimmten Zeitraum;
- Erkennen (105) eines sicherheitsrelevanten Ereignisses anhand eines charakteristischen Geschwindigkeitsmusters (218) des bestimmten optischen Flusses (217) durch Ausführen einer Bewegungserkennung (211) auf den bestimmten optischen Fluss (217), wobei das sicherheitsrelevante Ereignis eine sicherheitsgefährdende Bewegung eines Objekts innerhalb der Fahrgastkabine (202) umfasst; und
- Ausgeben (107) einer das sicherheitsrelevante Ereignis betreffenden Warnmeldung.

Beschreibung

[0001] Die Erfindung betrifft ein Verfahren zum Erkennen eines sicherheitsrelevanten Ereignisses innerhalb einer Fahrgastkabine eines Schienenfahrzeugs.

[0002] Die Zukunft von Mobilität in liegt im Betrieb intelligenter und autonomer Fahrzeuge. Die Sicherheit an Bord bildet hierbei eine Herausforderung, die gewährleistet werden muss, insbesondere für Schienenfahrzeuge im Personennahverkehr. Die Sicherheit für öffentliche Verkehrsmittel umfasst nicht nur das intelligente Fahren, sondern auch die Gewährleistung, dass jegliche gefährliche Situationen an Bord erkannt und in Echtzeit gemeldet werden.

[0003] Der Erfindung liegt die Aufgabe zugrunde, ein verbessertes Verfahren zum Erkennen eines sicherheitsrelevanten Ereignisses innerhalb einer Fahrgastkabine eines Schienenfahrzeugs bereitzustellen.

[0004] Diese Aufgabe wird durch das Verfahren zum Erkennen eines sicherheitsrelevanten Ereignisses innerhalb einer Fahrgastkabine eines Schienenfahrzeugs gemäß dem unabhängigen Anspruch gelöst. Vorteilhafte Ausgestaltungen sind Gegenstand der untergeordneten Ansprüche.

[0005] Nach einem Aspekt der Erfindung wird ein Verfahren zum Erkennen eines sicherheitsrelevanten Ereignisses innerhalb einer Fahrgastkabine eines Schienenfahrzeugs bereitgestellt, umfassend:

• Empfangen von Bilddaten eines einen Innenraum der Fahrgastkabine des Schienenfahrzeugs einsehenden Kamerasensors;
• Bestimmen eines optischen Flusses von wenigstens einem Bildelement der Bilddaten für einen vorbestimmten Zeitraum;
• Erkennen eines sicherheitsrelevanten Ereignisses anhand eines charakteristischen Geschwindigkeitsmusters des bestimmten optischen Flusses durch Ausführen einer Bewegungserkennung auf den bestimmten optischen Fluss, wobei das sicherheitsrelevante Ereignis eine sicherheitsgefährdende Bewegung eines Objekts innerhalb der Fahrgastkabine umfasst; und
• Ausgeben einer das sicherheitsrelevante Ereignis betreffenden Warnmeldung.

[0006] Hierdurch kann der technische Vorteil erreicht werden, dass ein verbessertes Verfahren zum Erkennen eines sicherheitsrelevanten Ereignisses innerhalb einer Fahrgastkabine eines Schienenfahrzeugs bereitgestellt werden kann. Zum Erkennen der sicherheitsrelevanten Ereignisse basierend auf Bilddaten wenigstens eines Kamerasensors wird ein optischer Fluss der aufgenommenen Bilddaten ermittelt, um basierend auf dem optischen Fluss ein charakteristisches Geschwindigkeitsmuster eines sicherheitsrelevanten Ereignisses zu erkennen. Das sicherheitsrelevante Ereignis ist hierbei durch eine sicherheitsgefährdende Bewegung eines Objekts innerhalb der Fahrgastkabine charakterisiert. Durch die Berücksichtigung des optischen Flusses und durch das Erkennen des charakteristischen Geschwindigkeitsmusters zum Identifizieren des jeweiligen sicherheitsrelevanten Ereignisses kann erreicht werden, dass die Erkennung der sicherheitsrelevanten Ereignisse unabhängig von den jeweils aufgenommenen Bilddaten bzw. des jeweiligen Kamerasensors erfolgen kann. Darüber hinaus ist die Erkennung des sicherheitsrelevanten Ereignisses unabhängig von der jeweiligen Positionierung der Bewegung des Objekts innerhalb der Fahrgastkabine. Da die Erkennung des sicherheitsrelevanten Ereignisses nicht auf dem Erkennen der tatsächlichen Handlung oder der tatsächlichen Aktion basiert sondern lediglich indirekt über Ermittlung eines entsprechend charakteristischen Geschwindigkeitsmuster bewirkt wird, spielt die Position innerhalb der Bilddaten bzw. der Fahrgastkabine, in der das charakteristische Geschwindigkeitsmuster detektiert wird eine untergeordnete Rolle. Hierdurch kann eine erhöhte Flexibilität und Präzision der Erkennung der sicherheitsrelevanten Ereignisse erreicht werden.

[0007] Eine Bildaufnahme ist im Sinne der Anmeldung eine Videoaufnahme einer entsprechenden Videokamera.

[0008] Nach einer Ausführungsform umfasst das Bestimmen des optischen Flusses:

• Entzerren der Bilddaten des Kamerasensors und Erstellen einer entzerrten Bildaufnahme der Fahrgastkabine;
• Aufteilen der entzerrten Bildaufnahme in eine Mehrzahl von Bildelementen; und
• Bestimmen des optischen Flusses für jedes der Bildelemente.

[0009] Hierdurch kann der technische Vorteil erreicht werden, dass durch die präzise Bestimmung des optischen Flusses durch die Entzerrung der Bilddaten das Erstellen der entzerrten Bildaufnahme ermöglicht ist. Geschwindigkeitsverzerrungen von Bewegungen in Abhängigkeit von der Positionierung des sich jeweiligen bewegenden Objekts zum Kamerasensor können durch das Entzerren vermieden werden. Durch das Aufteilen der entzerrten Bildaufnahme in eine Mehrzahl von Bildelementen kann eine möglichst präzise Bestimmung des optischen Flusses für zweidimensionale entzerrte Bildaufnahmen erreicht werden.

[0010] Nach einer Ausführungsform umfasst das Bestimmen des optischen Flusses:

• Ermitteln einer markanten Stelle innerhalb eines jeden Bildelements der entzerrten Bildaufnahme;
• Bestimmen des optischen Flusses für jeweils zwei zeitlich unmittelbar aufeinanderfolgender Frames der Bilddaten anhand der ermittelten markanten Stellen für jedes Bildelement; und
• Erstellen eines Histogramms des bestimmten optischen Flusses für die Frames der Bildaufnahme während des vorbestimmten Zeitraums.

[0011] Hierdurch kann der technische Vorteil erreicht werden, dass eine möglichst präzise Bestimmung des optischen Flusses und damit verbunden eine möglichst präzise Erkennung der sicherheitsrelevanten Ereignisse ermöglicht ist. Durch das Ermitteln der markanten Stelle und das Berechnen des optischen Flusses für aufeinanderfolgende Frames der Bilddaten in Bezug auf die markanten Stellen ist eine präzise Ermittlung des optischen Flusses ermöglicht. Durch das Erstellen eines Histogramms kann eine effiziente Darstellung der optischen Flussdaten erreicht werden. Optische Flussdaten sind hierbei Daten, die zur Bestimmung des optischen Flusses generiert sind und entsprechende Information umfassen.

[0012] Nach einer Ausführungsform wird das Ermitteln von markanten Stellen innerhalb der Bildelemente durch Ausführen eines Interest-Operators bewirkt, wobei der Interest-Operator durch einen Harris Eckpunkt-Detektions-Algorithmus oder einen Shi-Tomasi-Algorithmus gegeben ist.

[0013] Hierdurch kann der technische Vorteil erreicht werden, dass eine effiziente und präzise Bestimmung markanter Stellen innerhalb der Bildelemente ermöglicht ist.

[0014] Nach einer Ausführungsform umfasst der bestimmte optische Fluss eines Bildelements für jeweils zwei aufeinanderfolgende Frames wenigstens einen Geschwindigkeitsvektor mit einer Geschwindigkeitsrichtung und einem Geschwindigkeitswert, wobei im Histogramm Geschwindigkeitsvektoren einer Mehrzahl von optischen Flüssen für eine Mehrzahl zeitlich aufeinander folgender Frames dargestellt sind, und wobei im Histogramm die Geschwindigkeitsvektoren der optischen Flüsse der Mehrzahl von Frames auf vorbestimmte Raumrichtungen projiziert sind.

[0015] Hierdurch kann der technische Vorteil erreicht werden, dass eine möglichst präzise Erkennung der sicherheitsrelevanten Ereignisse basierend auf den Geschwindigkeitsvektoren des optischen Flusses der erstellten Histogramme durch die Bewegungserkennung ermöglicht ist. Indem in den Histogrammen die Geschwindigkeitsvektoren des optischen Flusses für die jeweiligen Bildelemente auf vorbestimmte Raumrichtungen projiziert sind, kann eine Erkennung der sicherheitsrelevanten Ereignisse basierend auf den Geschwindigkeitsvektoren der Histogramme durch die entsprechend trainierte Bewegungserkennung erleichtert werden. Durch die Projektion auf die vorbestimmten Raumrichtungen können die möglichen Raumrichtungen der Geschwindigkeitsvektoren auf eine vorbestimmte Anzahl möglicher Raumrichtungen reduziert werden. Hierdurch kann die Bewegungserkennung effizient auf das Erkennen von sicherheitsrelevanten Ereignissen in Form charakteristischer Geschwindigkeitsmuster basierend auf den Geschwindigkeitsvektoren des optischen Flusses der jeweiligen Histogramme der entsprechenden Bildelemente trainiert werden. Die Projektion der Geschwindigkeitsvektoren auf die vorbestimmten Raumrichtungen erleichtert somit das Training der Bewegungserkennung, wodurch eine Präzision der Erkennung der sicherheitsrelevanten Ereignisse erhöht ist.

[0016] Nach einer Ausführungsform umfasst das Verfahren ferner:

• Bestimmen einer Lichtänderung innerhalb jedes Bildelements für den vorbestimmten Zeitraum; und/oder
• Ermitteln eines Fahrzustands des Schienenfahrzeugs; und/oder
• Zuweisen einer Identifikation zu jedem Bildelement; und
• Kombinieren des bestimmten optischen Flusses des jeweiligen Bildelements mit der Information der Lichtänderung innerhalb eines Bildelements und/oder der Information des Fahrzustands des Zuges und/oder der Identifikation eines Bildelements, wobei das sicherheitsrelevante Ereignis basierend auf der kombinierten Information erkannt wird.

[0017] Hierdurch kann der technische Vorteil erreicht werden, dass eine weitere Präzisionserhöhung der Erkennung der sicherheitsrelevanten Ereignisse erreicht wird. Indem die zusätzliche Information der Bewegungserkennung zugeführt wird, wie beispielsweise eine bestimmte Lichtänderung innerhalb eines Bildelements oder ein Fahrzustand des Schienenfahrzeugs, kann die Bewegungserkennung effizienter auf das Erkennen von sicherheitsrelevanten Ereignissen trainiert werden. Optische Flussdaten, die beispielsweise auf vergleichbare Bewegungsmuster führen, die jedoch nicht auf sicherheitsrelevanten Ereignissen basieren, sondern auf extremen Lichtänderungen oder Bewegungen des Schienenfahrzeugs zurückgeführt werden können, können somit bei der Erkennung von sicherheitsrelevanten Ereignissen ausgeschlossen werden.

[0018] Nach einer Ausführungsform umfasst die sicherheitsgefährdende Bewegung:
eine sicherheitsgefährdende Handlung eines Fahrgasts gegenüber einem weiteren Fahrgast und/oder eine sicherheitsgefährdende unvorhergesehene Öffnung einer Tür des Schienenfahrzeugs und/oder eine Beschädigung des Schienenfahrzeugs in Form eines Zerbrechens einer Scheibe.

[0019] Hierdurch kann der technische Vorteil erreicht werden, dass eine breite Anwendbarkeit des erfindungsgemäßen Verfahrens für die Erkennung von sicherheitsrelevanten Ereignissen, die bei einem typischen Betrieb eines Schienenfahrzeugs, beispielsweise im Personennahverkehr, auftreten können, ermöglicht ist.

[0020] Nach einer Ausführungsform sind Bilddaten Daten einer innerhalb der Fahrgastkabine des Schienenfahrzeugs installierten CCTV-Kamera.

[0021] Hierdurch kann der technische Vorteil erreicht werden, dass zur Ausführung der Erkennung von sicherheitsrelevanten Ereignissen, die bereits in der Fahrgastkabine installierten CCTV-Kameras verwendet werden können. Das Verbauen von zusätzlichen Hardwarekomponenten kann somit vermieden werden.

[0022] Nach einer Ausführungsform wird der optische Fluss durch Ausführen eines Lucas-Kanade-Algorithmus bestimmt.

[0023] Hierdurch kann der technische Vorteil erreicht werden, dass eine präzise Berechnung des optischen Flusses ermöglicht ist.

[0024] Nach einer Ausführungsform ist die Bewegungserkennung als eine trainierte künstliche Intelligenz ausgebildet, wobei die künstliche Intelligenz darauf trainiert ist, basierend auf den charakteristischen Geschwindigkeitsmustern des bestimmten optischen Flusses, eine sicherheitsgefährdende Bewegung eines Objekts innerhalb der Fahrgastkabine zu ermitteln.

[0025] Hierdurch kann der technische Vorteil erreicht werden, dass durch das Verwenden einer entsprechend trainierten künstlichen Intelligenz als Bewegungserkennung eine leistungsfähige, schnelle und präzise Erkennung von sicherheitsrelevanten Ereignissen ermöglicht ist. Durch das entsprechende Trainieren der künstlichen Intelligenz, die beispielsweise als ein entsprechendes neuronales Netz oder als eine Support Vector Machine ausgebildet sein kann, kann eine deterministische Erkennung von sicherheitsrelevanten Ereignissen basierend auf den optischen Flussdaten erreicht werden. Durch das Trainieren der künstlichen Intelligenz auf den optischen Flussdaten zum Erkennen der sicherheitsrelevanten Ereignisse, kann vermieden werden, dass ein entsprechendes Training unmittelbar basierend auf den Bilddaten der Kamerasensoren ausgeführt werden muss. Die entsprechend trainierte Bewegungserkennung ist somit unabhängig von den jeweils verwendeten Bilddaten bzw. den entsprechenden Kamerasensoren und kann somit für beliebige Kamerasensoren eingesetzt werden. Darüber hinaus ist die Erkennung der sicherheitsrelevanten Ereignisse durch Ausführung der entsprechend trainierten Bewegungserkennung auf die optischen Flussdaten unabhängig von Positionen bzw. Ausführungen der jeweiligen die sicherheitsrelevanten Bewegungen ausführenden Objekte innerhalb der Fahrgastkabine. Indem lediglich die charakteristischen Geschwindigkeitsmuster bzw. Bewegungsmuster erkannt bzw. ermittelt werden, spielt die Position, an der die jeweilige Bewegung bzw. das sicherheitsrelevante Ereignis innerhalb der Fahrgastkabine stattgefunden hat, eine untergeordnete Rolle. Solange das charakteristische Geschwindigkeitsmuster erkannt werden kann, können Ereignisse in beliebigen Positionen bzw. Stellen innerhalb der Fahrgastkabine ermittelt werden, unabhängig davon, ob in den Trainingsdaten Ereignisse an derartigen Stellen innerhalb der Fahrgastkabine berücksichtigt wurden. Hierdurch ist eine Vereinfachung des Trainings ermöglicht, indem die zu trainierende künstliche Intelligenz bzw. die zu trainierende Bewegungserkennung ausschließlich auf optischen Flussdaten trainiert werden muss, die auf beliebigen unterschiedlichen Bilddaten basieren können.

[0026] Nach einem zweiten Aspekt wird ein Verfahren zum Trainieren einer erfindungsgemäßen Bewegungserkennung bereitgesellt, umfassend:

• Erstellen eines Trainingsdatensatzes, wobei der Trainingsdatensatz Werte eines optischen Flusses für eine Mehrzahl von Bildelementen von Bilddaten wenigstens eines Innenraums wenigstens einer Fahrgastkabine wenigstens eines Schienenfahrzeugs umfasst;
• Ausführen der Bewegungserkennung auf den Trainingsdatensatz und Trainieren der Bewegungserkennung auf ein Erkennen eines sicherheitsrelevanten Ereignisses anhand eines charakteristischen Geschwindigkeitsmusters des bestimmten optischen Flusses durch maschinelles Lernen, wobei das sicherheitsrelevante Ereignis eine sicherheitsgefährdende Bewegung eines Objekts innerhalb der Fahrgastkabine umfasst.

[0027] Hierdurch kann der technische Vorteil erreicht werden, dass ein verbessertes Verfahren zum Trainieren einer Bewegungserkennung mit den oben genannten technischen Vorteilen bereitgestellt werden kann. Durch das Trainieren der Bewegungserkennung auf den optischen Flussdaten, die jeweils auf beliebigen unterschiedlichen Bilddaten basieren können, kann erreicht werden, dass eine erhöhte Flexibilität und eine Vereinfachung des Trainings der zu trainierenden Bewegungserkennung erreicht werden kann, indem eine Unabhängigkeit von den jeweils verwendeten Bilddaten ermöglicht ist.

[0028] Nach einer Ausführungsform umfasst das Erstellen des Trainingsdatensatzes:

• Erstellen eines Satzes von Bilddaten wenigstens eines Innenraums einer Fahrgastkabine wenigstens eines Schienenfahrzeugs, wobei die Bilddaten sicherheitsrelevante Ereignisse abbilden;
• Berechnen des optischen Flusses für die Mehrzahl von Bilddaten, wobei der optische Fluss für eine Mehrzahl von Bildelementen der Bilddaten und für eine Mehrzahl von Frames der Bilddaten innerhalb eines vorbestimmten Zeitraums berechnet wird;
• Erstellen für jedes Bildelement für die Mehrzahl von Frames während des vorbestimmten Zeitraums eines Histogramms des optischen Flusses durch Projizieren von Geschwindigkeitsvektoren des optischen Flusses auf vorbestimmte Raumrichtungen; und
• Annotieren des Trainingsdatensatzes und Kennzeichen der charakteristischen Bewegungsmuster von sicherheitsrelevanten Ereignissen.

[0029] Hierdurch kann der technische Vorteil erreicht werden, dass eine möglichst präzise Bestimmung der optischen Flussdaten basierend auf den jeweils erstellten Bilddaten ermöglicht ist. Durch die präzise Bestimmung des optischen Flusses bzw. der jeweiligen optischen Flussdaten kann eine erhöhte Präzision des Trainings erreicht werden. Durch das Annotieren der Trainingsdaten und das Kennzeichnen der charakteristischen Bewegungsmuster von sicherheitsrelevanten Ereignissen innerhalb der Trainingsdaten ist wiederum eine erhöhte Präzision der Erkennung der sicherheitsrelevanten Ereignisse ermöglicht.

[0030] Nach einer Ausführungsform umfasst das Erstellen des Satzes von Bilddaten:

• Entzerren der Bilddaten und Erstellen von entzerrten Bildaufnahmen; und
• Aufteilen der entzerrten Bildaufnahmen in eine Mehrzahl von Bildelementen;

wobei das Erstellen des Trainingsdatensatzes ferner umfasst:

• Bestimmen einer Lichtänderung innerhalb jedes Bildelements für den vorbestimmten Zeitraum; und/oder
• Ermitteln eines Fahrzustands des jeweiligen Schienenfahrzeugs; und/oder
• Zuweisen einer Identifikation zu jedem Bildelement; und
• Kombinieren des bestimmten optischen Flusses des jeweiligen Bildelements mit der Information der Lichtänderung innerhalb eines Bildelements und/oder der Information des Fahrzustands des Zuges und/oder der Identifikation eines Bildelements.

[0031] Hierdurch kann der technische Vorteil erreicht werden, dass wiederum eine Verbesserung der Qualität der Trainingsdaten und damit verbunden des Trainings erreicht wird.

[0032] Nach einem dritten Aspekt wird eine Recheneinheit bereitgesellt, wobei die Recheneinheit ausgebildet ist, das Verfahren zum Erkennen eines sicherheitsrelevanten Ereignisses innerhalb einer Fahrgastkabine eines Schienenfahrzeugs nach einer der voranstehenden Ausführungsformen und/oder ein Verfahren zum Trainieren einer Bewegungserkennung nach einer der voranstehenden Ausführungsformen auszuführen.

[0033] Nach einem vierten Aspekt wird ein Computerprogrammprodukt umfassend Befehle bereitgestellt, die bei der Ausführung des Programms durch eine Datenverarbeitungseinheit diese veranlassen, das Verfahren zum Erkennen eines sicherheitsrelevanten Ereignisses innerhalb einer Fahrgastkabine eines Schienenfahrzeugs nach einer der voranstehenden Ausführungsformen und/oder ein Verfahren zum Trainieren einer Bewegungserkennung nach einer der voranstehenden Ausführungsformen auszuführen.

[0034] Die oben beschriebenen Merkmale und Vorteile dieser Erfindung sowie die Art und Weise, wie diese erreicht werden, werden klarer und deutlicher verständlich durch die Erläuterungen der folgenden, stark vereinfachten, schematischen Darstellungen bevorzugter Ausführungsbeispiele. Hierbei zeigen jeweils:

FIG 1 eine schematische Darstellung eines Systems zum Erkennen eines sicherheitsrelevanten Ereignisses innerhalb einer Fahrgastkabine eines Schienenfahrzeugs gemäß einer Ausführungsform;

FIG 2 ein Flussdiagramm eines Verfahrens zum Erkennen eines sicherheitsrelevanten Ereignisses innerhalb einer Fahrgastkabine eines Schienenfahrzeugs gemäß einer Ausführungsform;

FIG 3 eine schematische Darstellung von Bilddaten und einer entzerrten Bildaufnahme eines Innenraums einer Fahrgastkabine eines Schienenfahrzeugs;

FIG 4 eine weitere schematische Darstellung einer entzerrten Bildaufnahme eines Innenraums einer Fahrgastkabine eines Schienenfahrzeugs;

FIG 5 eine schematische Darstellung eines Histogramms eines optischen Flusses;

FIG 6 ein Flussdiagramm eines Verfahrens zum Trainieren einer Bewegungserkennung gemäß einer Ausführungsform; und

FIG 7 eine schematische Darstellung eines Computerprogrammprodukts.

[0035] FIG 1 zeigt eine schematische Darstellung eines Systems 200 zum Erkennen eines sicherheitsrelevanten Ereignisses innerhalb einer Fahrgastkabine 202 eines Schienenfahrzeugs 201 gemäß einer Ausführungsform.

[0036] Das gezeigte System 200 ist eingerichtet, das erfindungsgemäße Verfahren zum Erkennen eines sicherheitsrelevanten Ereignisses innerhalb einer Fahrgastkabine 202 eines Schienenfahrzeugs 201 auszuführen. Hierzu umfasst das System 200 wenigstens einen Kamerasensor 205, der in einer Fahrgastkabine 202 eines Schienenfahrzeugs 201 angeordnet und eingerichtet ist, einen Innenraum 203 der Fahrgastkabine 202 einzusehen. Das System 200 umfasst ferner eine Recheneinheit 209 mit einer Bewegungserkennung 211, die auf der Recheneinheit 209 ausführbar ist. Der Kamerasensor 205 kann als eine CCTV-Kamera ausgebildet sein und Bilddaten 207 des Innenraums 203 der Fahrgastkabine 202 des Schienenfahrzeugs 201 aufnehmen. Die Bilddaten 207 können beispielsweise als Videodaten ausgebildet sein.

[0037] Zum Erkennen eines sicherheitsrelevanten Ereignisses werden die Bilddaten 207 des Kamerasensors 205 über eine Datenübertragung 210 an die Recheneinheit 209 übertragen. Durch Ausführen der Bewegungserkennung 211 auf die übertragenen Bilddaten 207 ist die Bewegungserkennung 211 eingerichtet, entsprechende sicherheitsrelevante Ereignisse zu erkennen. Die Bewegungserkennung 211 kann hierzu als eine entsprechend trainierte künstliche Intelligenz ausgebildet sein. Die Bewegungserkennung 211 kann unter Berücksichtigung entsprechender Trainingsdatensätze 227 ferner gemäß dem erfindungsgemäßen Verfahren zum Trainieren einer Bewegungserkennung 211 auf das Erkennen von sicherheitsrelevanten Ereignissen trainiert sein.

[0038] FIG 2 zeigt ein Flussdiagramm eines Verfahrens 100 zum Erkennen eines sicherheitsrelevanten Ereignisses innerhalb einer Fahrgastkabine 202 eines Schienenfahrzeugs 201 gemäß einer Ausführungsform.

[0039] Das erfindungsgemäße Verfahren 100 zum Erkennen eines sicherheitsrelevanten Ereignisses innerhalb einer Fahrgastkabine 202 eines Schienenfahrzeugs 201 kann durch ein System 200 gemäß der Ausführungsform in FIG 1 ausgeführt werden.

[0040] Zunächst werden in einem Verfahrensschritt 101 Bilddaten 207 wenigstens eines Kamerasensors 205 empfangen, wobei die Bilddaten 207 den Innenraum 203 der zu überwachenden Fahrgastkabine 202 des Schienenfahrzeugs 201 einsehen. Der Kamerasensor 205 kann beispielsweise als eine CCTV-Kamera und die Bilddaten 207 können als entsprechende Videodaten ausgebildet sein.

[0041] Darauffolgend wird in einem Verfahrensschritt 103 basierend auf den Bilddaten 207 ein optischer Fluss 217 von wenigstens einem Bildelement 215 der Bilddaten 207 für einen vorbestimmten Zeitraum bestimmt.

[0042] Hierzu werden in einem Verfahrensschritt 109 zunächst die empfangenen Bilddaten 207 des Kamerasensors 205 entzerrt und entsprechend entzerrte Bildaufnahmen 213 des Innenraums 203 der Fahrgastkabine 202 erstellt. Ein Beispiel für eine entsprechende Entzerrung ist in FIG 3 dargestellt. Üblicherweise können Bildaufnahmen 213 von Überwachungskameras, beispielsweise CCTV-Kameras, innerhalb von Fahrgastkabinen mittels eines Fischaugenobjektivs aufgenommen werden. Durch eine Entzerrung und eine entsprechende zweidimensionale Darstellung der Bildaufnahmen wird eine Berechnung des optischen Flusses von Bildelementen innerhalb der Bildaufnahmen erleichtert.

[0043] In einem weiteren Verfahrensschritt 111 wird die entzerrte Bildaufnahme 213 in eine Mehrzahl von Bildelementen 215 aufgeteilt. In FIG 4 ist eine entsprechende Aufteilung der entzerrten Bildaufnahme 213 aus FIG 3 in eine Vielzahl von Bildelementen 215 dargestellt. Die Bildelemente 215 können hierbei beispielsweise als rechteckige oder quadratische und regelmäßig ausgebildete Bildelemente ausgebildet sein.

[0044] In einem weiteren Verfahrensschritt 113 wird für jedes der Bildelemente 215 ein entsprechender optischer Fluss 217 ermittelt.

[0045] Hierzu wird in einem weiteren Verfahrensschritt 115 für jedes Bildelement 215 eine markante Stelle innerhalb des Bildelements 215 der entzerrten Bildaufnahme 213 ermittelt. Eine markante Stelle kann hierbei durch Ausführung eines Interest-Operators bewirkt werden, der beispielsweise durch einen Harris Eckpunkt-Detektions-Algorithmus oder durch einen Shi-Tomasi-Algorithmus gegeben sein kann.

[0046] In einem weiteren Verfahrensschritt 117 wird anhand der ermittelten markanten Stellen für jedes Bildelement 215 für jeweils zwei zeitlich unmittelbar aufeinanderfolgende Frames der Bilddaten 207 der entsprechende optische Fluss 217 ermittelt. Die als Videodaten ausgebildeten Bilddaten 207 werden hierzu in die einzelnen Frames der Videoaufnahmen des als CCTV-Kamera ausgebildeten Kamerasensors 205 aufgeteilt. Jeder Frame kann hierzu einzeln in eine entzerrte Bildaufnahme 213 umgewandelt sein. Zur Detektion bzw. Berechnung des optischen Flusses 217 wird hierzu gemäß dem üblichen und aus dem Stand der Technik bekannten Vorgehen für jedes Bildelement 215 eine Änderung einer Positionierung der jeweils ermittelten markanten Stelle des jeweiligen Bildelements 215 zwischen wenigstens zwei unmittelbar zeitlich aufeinanderfolgenden Frames der Bilddaten 207 bzw. der entzerrten Bildaufnahme 213 ermittelt.

[0047] In einem weiteren Verfahrensschritt 119 wird für jedes Bildelement 215 ein Histogramm 219 des jeweils bestimmten optischen Flusses 217 für die zeitlich aufeinanderfolgenden Frames der Bildaufnahme 213 erstellt. Ein entsprechendes Histogramm 219 ist in FIG 5 dargestellt. Das Histogramm 219 umfasst hierbei eine Mehrzahl von Geschwindigkeitsvektoren 221 des ermittelten optischen Flusses 217 für eine Mehrzahl zeitlich aufeinanderfolgender Frames der entzerrten Bildaufnahme 213. Erfindungsgemäß wird der optische Fluss 217 für jedes Bildelement 215 jeweils für einen vorbestimmten Zeitraum ermittelt. Der vorbestimmte Zeitraum kann beispielsweise im Sekundenbereich angeordnet sein und eine Anzahl von 1 bis beispielsweise 20 Sekunden umfassen. Die Frames der Bildaufnahme 213, die innerhalb des vorbestimmten Zeitraums zeitlich aufeinanderfolgen, werden jeweils in einem Histogramm 219 durch Berechnung der jeweiligen Geschwindigkeitsvektoren 221 des optischen Flusses 217 für das entsprechende Bildelement 215 berücksichtigt. Die Geschwindigkeitsvektoren 221, die jeweils einen Geschwindigkeitswert und eine Geschwindigkeitsrichtung des berechneten optischen Flusses 217 beschreiben, sind im Histogramm 219 auf vorbestimmte Raumrichtungen 223 projiziert. Die Anzahl der Geschwindigkeitsvektoren 221, die in den Histogrammen 219 berücksichtigt werden, richtet sich erfindungsgemäß nach der Länge des vorbestimmten Zeitraums, für den der optische Fluss 217 erfindungsgemäß zu berechnen ist, und der Anzahl der Frames pro Sekunde des Kamerasensors 205. Die Anzahl der in den Histogrammen 219 berücksichtigten Geschwindigkeitsvektoren 221 ist für die Mehrzahl verschiedener Bildelemente 215 identisch. Erfindungsgemäß wird für jeden berücksichtigten Frame der Bildaufnahme ein Geschwindigkeitsvektor 221 berechnet und im Histogramm 219 berücksichtigt.

[0048] Die Berechnung des optischen Flusses 217 für jedes der Bildelemente 215 kann beispielsweise durch Ausführung eines aus dem Stand der Technik bekannten Lucas-Kanade-Algorithmus bewirkt werden.

[0049] Zusätzlich zur Bestimmung des optischen Flusses 217 im Verfahrensschritt 103 wird in der gezeigten Ausführungsform in einem weiteren Verfahrensschritt 121 eine Lichtänderung innerhalb eines jeden Bildelements 215 zwischen verschiedenen Frames der entzerrten Bildaufnahme 213 bestimmt.

[0050] In einem weiteren Verfahrensschritt 123 wird ferner ein Fahrzustand des Schienenfahrzeugs 201 ermittelt. Der Fahrzustand des Schienenfahrzeugs 201 kann beispielsweise durch einen Standzustand des Schienenfahrzeugs 201 in einem Bahnhofsbereich oder durch einen Bewegungszustand des Schienenfahrzeugs 201, das entlang eines Schienenwegs verfahren wird, gegeben sein. Der Fahrzustand kann wenigstens für den vorbestimmten Zeitraum zur Ermittlung des optischen Flusses 217 bestimmt werden.

[0051] In einem weiteren Verfahrensschritt 125 kann ferner jedem Bildelement 215 eine Identifikation zugeschrieben werden. Über die Identifikation kann jedes der Bildelemente 215 der entzerrten Bildaufnahme 213 identifiziert und von anderen Bildelementen 215 unterschieden werden.

[0052] In einem weiteren Verfahrensschritt 127 werden die im Verfahrensschritt 103 bzw. im Verfahrensschritt 113 für jedes Bildelement 215 berechneten optischen Flussdaten des optischen Flusses 217 und die Informationen bezüglich der Lichtänderung, des Fahrzustands und der Identifikation bezüglich jedes Bildelements 215 miteinander kombiniert. Die Kombination kann hierbei beispielsweise durch einen entsprechenden Eigenschaftsvektor ausgebildet sein. Der Eigenschaftsvektor kann hierbei für jedes Bildelement 215 Information beziehungsweise Einträge bezüglich des optischen Flusses 217, der Lichtänderung, des Fahrzustands und der Identifikation umfassen.

[0053] In einem weiteren Verfahrensschritt 105 wird durch Ausführung der Bewegungserkennung 211 auf die im Verfahrensschritt 127 generierten und die Information bezüglich des optischen Flusses 217, der Lichtänderung, des Fahrzustands und der Identifikation für jedes Bildelement 215 umfassenden Merkmalsvektoren ein sicherheitsrelevantes Ereignis anhand eines charakteristischen Geschwindigkeitsmusters 218 erkannt. Die Bewegungserkennung 211 kann hierbei wie bereits erwähnt als eine entsprechend trainierte künstliche Intelligenz, beispielsweise ein neuronales Netz oder eine Support Vector Machine, ausgebildet sein und darauf trainiert sein, basierend auf optischen Flussdaten charakteristische Geschwindigkeitsmuster 218 zu erkennen, die sicherheitsrelevanten Ereignissen zuzuordnen sind. Sicherheitsrelevante Ereignisse, die durch eine derartige Ausführung der Bewegungserkennung 211 auf den ermittelten optischen Flussdaten erkannt werden können, umfassen hierbei sicherheitsrelevante Bewegungen von Objekten innerhalb der Fahrgastkabine 202 des Schienenfahrzeugs 201. Derartige sicherheitsrelevante Ereignisse können beispielsweise sicherheitsgefährdende Handlungen eines Fahrgastes 225 gegenüber einem weiteren Fahrgast 225 innerhalb der Fahrgastkabine 202 umfassen. Alternativ oder zusätzlich können sicherheitsgefährdende Bewegungen und damit verbunden sicherheitsrelevante Ereignisse, beispielsweise eine unvorhergesehene Öffnung einer Tür des Schienenfahrzeugs und/oder eine Beschädigung einer Scheibe des Schienenfahrzeugs oder eine unerlaubte Betätigung einer Notbremse des Schienenfahrzeugs umfassen.

[0054] Da die Bewegungserkennung 211 darauf trainiert ist, charakteristische Geschwindigkeitsmuster von Bewegungen von Objekten innerhalb der Fahrgastkabine 202, die entsprechend vordefinierten sicherheitsrelevanten Ereignissen zuzuordnen sind bzw. diesen entsprechen, zu ermitteln, ist die Bewegungserkennung 211 in der Lage, anhand der charakteristischen Geschwindigkeitsmuster entsprechend sicherheitsrelevante Ereignisse zu ermitteln, die an beliebigen Positionen oder Stellen innerhalb der Fahrgastkabine 202 auftreten. Die Bewegungserkennung 211 agiert somit positionsunabhängig.

[0055] In einem weiteren Verfahrensschritt 107 wird bei Erkennung eines entsprechenden sicherheitsrelevanten Ereignisses eine entsprechende Warnmeldung ausgegeben. Die Warnmeldung kann beispielsweise als ein entsprechendes Warnsignal in Form eines optischen oder akustischen Signals ausgebildet sein.

[0056] Die Recheneinheit 209 kann beispielsweise in dem Schienenfahrzeug 201, beispielsweise in der Steuerkabine des Schienenfahrzeugs ausgebildet sein. Alternativ kann die Recheneinheit 209 in dem Kamerasensor 205 ausgebildet sein, wobei der Kamerasensor 205 in diesem Fall als ein Smart-Sensor ausgebildet ist. Alternativ kann die Recheneinheit 209 als eine externe Recheneinheit ausgebildet und in einer entsprechenden Überwachungszentrale, beispielsweise in einem Bahnhofsgelände, angeordnet sein.

[0057] FIG 3 zeigt eine schematische Darstellung von Bilddaten 207 und einer entzerrten Bildaufnahme 213 eines Innenraums 203 einer Fahrgastkabine 202 eines Schienenfahrzeugs 201.

[0058] FIG 3 zeigt eine Bildaufnahme des Innenraums 203 einer Fahrgastkabine 202, die über einen Kamerasensor 205 mit einem Fisheye-Objektiv ausgenommen wurden. FIG 3 zeigt ferner eine entzerrte Bildaufnahme 213 desselben Innenraums 203. In der entzerrten Bildaufnahme 213 sind die durch das Fischaugenobjektiv hervorgerufenen Verzerrungen der Bilddaten 207 behoben.

[0059] FIG 4 zeigt eine weitere schematische Darstellung einer entzerrten Bildaufnahme 213 eines Innenraums 203 einer Fahrgastkabine 202 eines Schienenfahrzeugs 201.

[0060] FIG 4 zeigt eine entzerrte Bildaufnahme 213 des Innenraums 203 der Fahrgastkabine 202 aus FIG 3. In FIG 4 ist die entzerrte Bildaufnahme 213 ferner in eine Mehrzahl verschiedener Bildelemente 215 aufgeteilt. Für jedes Bildelement 215 wird ein entsprechender optischer Fluss 217 berechnet. Der optische Fluss 217 ist in FIG 4 durch die in verschiedene Richtungen weisenden Geschwindigkeitsvektoren 221 beispielhaft dargestellt. In der gezeigten Bildaufnahme 213 sind neben Einrichtungsgegenständen der Fahrgastkabine 202 ferner zwei Fahrgäste 225 dargestellt. Durch die Ermittlung des optischen Flusses 217 für jedes Bildelement 215 und die Ausführung der entsprechend trainierten Bewegungserkennung 211 gemäß den oben beschriebenen Verfahrensschritten kann ein entsprechendes charakteristisches Geschwindigkeitsmuster 218 eines sicherheitsrelevanten Ereignisses ermittelt werden. In der gezeigten Ausführungsform betrifft das sicherheitsrelevante Ereignis eine sicherheitsgefährdende Handlung eines der Fahrgäste 225 gegenüber dem jeweils anderen Fahrgast 225. Durch das entsprechende Training der Bewegungserkennung 211 ist die Bewegungserkennung 211 in der Lage, entsprechende sicherheitsgefährdende Bewegungen von Fahrgästen basierend auf den charakteristischen Geschwindigkeitsmustern 218, die derartige sicherheitsgefährdende Bewegungen mit sich bringen, und den damit verbundenen charakteristischen optischen Flussdaten zu erkennen. Durch die dargestellte Schraffierung können ferner die Bildelemente 215 gekennzeichnet werden, in denen die charakteristischen Geschwindigkeitsmuster 218 der jeweiligen bestimmten Werte des optischen Flusses 217 ein charakteristisches Geschwindigkeitsmuster 218 beschreiben. Hierdurch kann eine Lokalisierung der sicherheitsrelevanten Bewegung des sicherheitsrelevanten Ereignisses innerhalb der Fahrgastkabine 202 bewirkt werden.

[0061] Aufgrund der positionsunabhängigen Ermittlung der charakteristischen Geschwindigkeitsmuster 218 kann ein derartiges Ereignis durch die Bewegungserkennung 211 aber auch für jedes andere Bildelement 215 erkannt beziehungsweise ermittelt werden.

[0062] Durch die Berücksichtigung der Information bezüglich der Lichtänderung bzw. des Fahrzustands des Fahrzeugs kann die Bewegungserkennung 211 darauf trainiert werden, optische Flussdaten, die gegebenenfalls ein charakteristisches Geschwindigkeitsmuster 218 aufweisen, das jedoch lediglich auf die Lichtverhältnisse bzw. den Fahrzustand zurückzuführen ist, zur Detektion der sicherheitsrelevanten Ereignisse nicht zu berücksichtigen. Darüber hinaus kann durch die Identifikation der einzelnen Bildelemente 215 die Bewegungserkennung 211 darauf trainiert werden, verschiedene Bildelemente 215, in denen aufgrund der jeweiligen Position innerhalb der Fahrgastkabine 202 ein sicherheitsrelevantes Ereignis nicht zu erwarten ist, bei der Beurteilung bzw. Detektion der sicherheitsrelevanten Ereignisse mit geringerer Priorität zu berücksichtigen.

[0063] FIG 5 zeigt eine schematische Darstellung eines Histogramms 219 eines optischen Flusses 217.

[0064] Das gezeigte Histogramm 219 umfasst eine Mehrzahl von Geschwindigkeitsvektoren 221 des für ein Bildelement 215 und den vorbestimmten Zeitraum berechneten optischen Flusses 217. Die verschiedenen Geschwindigkeitsvektoren 221 des optischen Flusses 217 sind auf vorbestimmte Raumrichtungen 223 projiziert. Das gezeigte Histogramm 219 ist lediglich beispielhaft. Insbesondere kann die Anzahl verschiedener Raumrichtungen 223 von der hier gezeigten Anzahl abweichen.

[0065] FIG 6 zeigt ein Flussdiagramm eines Verfahrens 300 zum Trainieren einer Bewegungserkennung 211 gemäß einer Ausführungsform.

[0066] Das erfindungsgemäße Verfahren 300 zum Trainieren einer Bewegungserkennung 211 kann beispielsweise durch eine Recheneinheit 209 gemäß der in FIG 1 gezeigten Ausführungsform ausgeführt werden.

[0067] Zum Trainieren der Bewegungserkennung 211 wird zunächst in einem Verfahrensschritt 301 ein Trainingsdaten erstellt, wobei der Trainingsdatensatz Werte eines optischen Flusses 217 für eine Mehrzahl von Bildelementen 215 von Bilddaten 207 wenigstens eines Innenraums 203 wenigstens einer Fahrgastkabine 202 wenigstens eines Schienenfahrzeugs 201 umfasst.

[0068] Hierzu wird zunächst in einem Verfahrensschritt 305 ein Satz von Bilddaten 207 erstellt. Die Bilddaten 207 können hierbei beliebige Fahrgastkabinen 202 von beliebigen Schienenfahrzeugen 201 abbilden und von unterschiedlichen Kamerasensoren 205 stammen. Die Bilddaten 207 sind bevorzugt Videodaten, die wenigstens einen Innenraum 203 einer entsprechenden Fahrgastkabine 202 abbilden. Die Bilddaten 207 umfassen hierbei jeweils sicherheitsrelevante Ereignisse gemäß den oben beschriebenen Ausführungsformen. In den Bilddaten können beispielsweise entsprechende Szenen eines gewalttätigen oder sichergefährdenden Verhalten von Personen bzw. Fahrgästen oder ein anderes sicherheitsrelevantes Ereignis nachgespielt bzw. simuliert sein. Da erfindungsgemäß nicht tatsächliche Aktionen der gefährdenden Handlungen sondern lediglich charakteristische Geschwindigkeitsmuster detektiert werden, können durch das Nachspielen bzw. Simulieren der tatsächlichen Aktionen aussagekräftige Trainingsdaten erstellt werden, auf deren Basis ein präzises Training der Bewegungserkennung 211 durchgeführt werden kann. Alternativ oder zusätzlich können die Trainingsdaten aber auch reale Bilddaten bzw. Videodaten von real aufgetretenen sicherheitsrelevanten Ereignissen, beispielsweise von gewalttätigen Übergriffen oder von Unfällen von Personen innerhalb der Fahrgastkabine oder von Unfallsituationen des Schienenfahrzeugs, umfassen. Der Trainingsdatensatz kann beispielsweise ein Kombination von Bilddaten von simulierten und realen sicherheitsrelevanten Ereignissen umfassen.

[0069] In einem Verfahrensschritt 313 werden die Bilddaten 207 entzerrt und eine entzerrte Bildaufnahme 213 aufgenommen. Die Entzerrung kann hierbei gemäß dem oben beschriebenen Verfahrensschritt 109 ausgeführt werden.

[0070] In einem weiteren Verfahrensschritt 315 wird die entzerrte Bildaufnahme 213 in eine Mehrzahl von Bildelementen 215 aufgeteilt. Die Aufteilung der entzerrten Bildaufnahme 213 kann hierbei gemäß dem oben beschriebenen Verfahrensschritt 111 ausgeführt werden.

[0071] Analog zu den obigen Ausführungen sind die Bilddaten 207 beispielsweise als Videodaten ausgebildet und umfassen eine Mehrzahl zeitlich aufeinanderfolgender Frames.

[0072] In einem weiteren Verfahrensschritt 307 wird darauffolgend für jedes der Bildelemente 215 ein optischer Fluss 217 ermittelt. Die Bestimmung des optischen Flusses 217 kann hierbei analog zu den Verfahrensschritten 103 bzw. 113 ausgeführt werden.

[0073] In einem weiteren Verfahrensschritt 309 wird für jedes Bildelement 215 ein Histogramm 219 berechnet, wobei das Histogramm 219 gemäß den oben beschriebenen Ausführungen eine Mehrzahl von Geschwindigkeitsvektoren 221 des für das jeweilige Bildelement 215 bestimmten optischen Flusses 217 umfasst, wobei die Geschwindigkeitsvektoren 221 auf vorbestimmte Raumrichtungen 223 projiziert sind. Das Erstellen des Histogramms 219 kann analog zum oben beschriebenen Verfahrensschritt 119 ausgeführt werden.

[0074] Zusätzlich wird in einem Verfahrensschritt 317 für jedes Bildelement 215 eine Lichtänderung ermittelt. Die Lichtänderung kann hierbei gemäß dem oben beschriebenen Verfahrensschritt 121 bestimmt werden.

[0075] In einem weiteren Verfahrensschritt 319 wird für jedes Bildelement 215 ein Fahrzustand des jeweiligen Schienenfahrzeugs 201 bestimmt. Der Fahrzustand kann analog zu dem oben beschriebenen Verfahrensschritt 123 ermittelt werden.

[0076] In einem weiteren Verfahrensschritt 321 kann jedem Bildelement 215 eine entsprechende Identifikation zugeordnet werden.

[0077] In einem weiteren Verfahrensschritt 323 werden die Informationen bezüglich der Lichtänderung, des Fahrzustands bzw. der Identifikation für jedes Bildelement 215 mit den Informationen bezüglich des optischen Flusses 217 des jeweiligen Bildelements 215 kombiniert. Eine Kombination der Information kann beispielsweise in Form eines entsprechenden Eigenschaftsvektors bewirkt werden.

[0078] In einem weiteren Verfahrensschritt 311 werden ferner die Informationen des Trainingsdatensatzes 227 annotiert und demzufolge die charakteristischen Geschwindigkeitsmuster 218, die in den jeweiligen optischen Flussdaten widergespiegelt sind, entsprechend als vorliegende sicherheitsrelevante Ereignisse gekennzeichnet.

[0079] Basierend auf einem derart erstellten Trainingsdatensatz 227 wird darauffolgend in einem Verfahrensschritt 303 die Bewegungserkennung 211 auf das Erkennen von sicherheitsrelevanten Ereignissen basierend auf den Informationen des optischen Flusses 217 der Bilddaten 207 trainiert. Das Training kann hierbei durch Ausführung von aus dem Stand der Technik bekannten Trainingsmethoden des maschinellen Lernens ausgeführt werden.

[0080] FIG 7 zeigt eine schematische Darstellung eines Computerprogrammprodukts 400, umfassend Befehle, die bei der Ausführung des Programms durch eine Recheneinheit dieses veranlassen, das Verfahren 100 zum Erkennen eines sicherheitsrelevanten Ereignisses innerhalb einer Fahrgastkabine eines Schienenfahrzeugs und/oder das Verfahren 300 zum Trainieren einer Bewegungserkennung auszuführen.

[0081] Das Computerprogrammprodukt 400 ist in der gezeigten Ausführungsform auf einem Speichermedium 401 gespeichert. Das Speichermedium 401 kann hierbei ein beliebiges aus dem Stand der Technik bekanntes Speichermedium sein.

[0082] Obwohl die Erfindung im Detail durch das bevorzugte Ausführungsbeispiel näher illustriert und beschrieben wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen.

Ansprüche

1. Verfahren (100) zum Erkennen eines sicherheitsrelevanten Ereignisses innerhalb einer Fahrgastkabine (202) eines Schienenfahrzeugs (201), umfassend:

- Empfangen (101) von Bilddaten (207) eines einen Innenraum (203) der Fahrgastkabine (202) des Schienenfahrzeugs (201) einsehenden Kamerasensors (205);

- Bestimmen (103) eines optischen Flusses (217) von wenigstens einem Bildelement (215) der Bilddaten (207) für einen vorbestimmten Zeitraum;

- Erkennen (105) eines sicherheitsrelevanten Ereignisses anhand eines charakteristischen Geschwindigkeitsmusters (218) des bestimmten optischen Flusses (217) durch Ausführen einer Bewegungserkennung (211) auf den bestimmten optischen Fluss (217), wobei das sicherheitsrelevante Ereignis eine sicherheitsgefährdende Bewegung eines Objekts innerhalb der Fahrgastkabine (202) umfasst; und

- Ausgeben (107) einer das sicherheitsrelevante Ereignis betreffenden Warnmeldung.

2. Verfahren (100) nach Anspruch 1, wobei das Bestimmen (103) des optischen Flusses umfasst:

- Entzerren (109) der Bilddaten (207) des Kamerasensors (205) und Erstellen einer entzerrten Bildaufnahme (213) der Fahrgastkabine (202);

- Aufteilen (111) der entzerrten Bildaufnahme (213) in eine Mehrzahl von Bildelementen (215); und

- Bestimmen (113) des optischen Flusses (217) für jedes der Bildelemente (215).

3. Verfahren (100) nach Anspruch 2, wobei das Bestimmen des optischen Flusses umfasst:

- Ermitteln (115) einer markanten Stelle innerhalb eines jeden Bildelements (215) der entzerrten Bildaufnahme (213);

- Bestimmen (117) des optischen Flusses (217) für jeweils zwei zeitlich unmittelbar aufeinanderfolgender Frames der Bilddaten anhand der ermittelten markanten Stellen für jedes Bildelement (215); und

- Erstellen (119) eines Histogramms (219) des bestimmten optischen Flusses (217) für die Frames der Bildaufnahme während des vorbestimmten Zeitraums.

4. Verfahren (100) nach Anspruch 3, wobei das Ermitteln (115) von markanten Stellen innerhalb der Bildelemente (215) durch Ausführen eines Interest-Operators bewirkt wird, und wobei der Interest-Operator durch einen Harris Eckpunkt-Detektions-Algorithmus oder einen Shi-Tomasi-Algorithmus gegeben ist.

5. Verfahren (100) nach Anspruch 3 oder 4, wobei der bestimmte optische Fluss (217) eines Bildelements (215) für jeweils zwei aufeinanderfolgende Frames wenigstens einen Geschwindigkeitsvektor (221) mit einer Geschwindigkeitsrichtung und einem Geschwindigkeitswert umfasst, wobei im Histogramm (219) eine Mehrzahl von Geschwindigkeitsvektoren (221) des optischen Flusses (217) für eine Mehrzahl zeitlich aufeinander folgender Frames dargestellt ist, und wobei im Histogramm (219) die Geschwindigkeitsvektoren (221) des optischen Flusses der Mehrzahl von Frames auf vorbestimmte Raumrichtungen (223) projiziert sind.

6. Verfahren (100) nach einem der voranstehenden Ansprüche, ferner umfassend:

- Bestimmen (121) einer Lichtänderung innerhalb jedes Bildelements (215) für den vorbestimmten Zeitraum; und/oder

- Ermitteln (123) eines Fahrzustands des Schienenfahrzeugs (201); und/oder

- Zuweisen (125) einer Identifikation zu jedem Bildelement (215); und

- Kombinieren (127) des bestimmten optischen Flusses (217) des jeweiligen Bildelements (215) mit der Information der Lichtänderung innerhalb eines Bildelements und/oder der Information des Fahrzustands des Zuges und/oder der Identifikation eines Bildelements, wobei das sicherheitsrelevante Ereignis basierend auf der kombinierten Information erkannt wird.

7. Verfahren (100) nach einem der voranstehenden Ansprüche, wobei die sicherheitsgefährdende Bewegung umfasst:
eine sicherheitsgefährdende Handlung eines Fahrgasts (225) gegenüber einem weiteren Fahrgast und/oder eine sicherheitsgefährdende unvorhergesehene Öffnung einer Tür des Schienenfahrzeugs und/oder eine Beschädigung des Schienenfahrzeugs (201) in Form eines Zerbrechens einer Scheibe.

8. Verfahren (100) nach einem der voranstehenden Ansprüche, wobei Bilddaten (207) Daten einer innerhalb der Fahrgastkabine (202) des Schienenfahrzeugs (201) installierten CCTV-Kamera sind.

9. Verfahren (100) nach einem der voranstehenden Ansprüche, wobei der optische Fluss (217) durch Ausführen eines Lucas-Kanade-Algorithmus bestimmt wird.

10. Verfahren (100) nach einem der voranstehenden Ansprüche, wobei die Bewegungserkennung (211) als eine trainierte künstliche Intelligenz ausgebildet ist, und wobei die künstliche Intelligenz darauf trainiert ist, basierend auf den charakteristischen Geschwindigkeitsmustern (218) des bestimmten optischen Flusses (217), eine sicherheitsgefährdende Bewegung eines Objekts innerhalb der Fahrgastkabine (202) zu ermitteln.

11. Verfahren (300) zum Trainieren einer Bewegungserkennung (211) nach einem der voranstehenden Ansprüche 1 bis 10, umfassend:

- Erstellen (301) eines Trainingsdatensatzes (227), wobei der Trainingsdatensatz (227) Werte eines optischen Flusses (217) für eine Mehrzahl von Bildelementen (215) von Bilddaten (207) wenigstens eines Innenraums (203) wenigstens einer Fahrgastkabine (202) wenigstens eines Schienenfahrzeugs (201) umfasst;

- Ausführen (303) der Bewegungserkennung (211) auf den Trainingsdatensatz (227) und Trainieren der Bewegungserkennung (211) auf ein Erkennen eines sicherheitsrelevanten Ereignisses anhand eines charakteristischen Geschwindigkeitsmusters (218) des bestimmten optischen Flusses (217) durch maschinelles Lernen, wobei das sicherheitsrelevante Ereignis eine sicherheitsgefährdende Bewegung eines Objekts innerhalb der Fahrgastkabine umfasst.

12. Verfahren (100) nach Anspruch 11, wobei das Erstellen (301) des Trainingsdatensatzes umfasst:

- Erstellen (305) eines Satzes von Bilddaten (207) wenigstens eines Innenraums (203) einer Fahrgastkabine (202) wenigstens eines Schienenfahrzeugs (201), wobei die Bilddaten (207) sicherheitsrelevante Ereignisse abbilden;

- Bestimmen (307) des optischen Flusses (217) für die Mehrzahl von Bilddaten (207), wobei der optische Fluss (217) für eine Mehrzahl von Bildelementen (215) der Bilddaten (207) und für eine Mehrzahl von Frames der Bilddaten (207) innerhalb eines vorbestimmten Zeitraums berechnet wird;

- Erstellen (309) für jedes Bildelement (215) für die Mehrzahl von Frames während des vorbestimmten Zeitraums eines Histogramms (219) des optischen Flusses (217) durch Projizieren von Geschwindigkeitsvektoren (221) des optischen Flusses (217) auf vorbestimmte Raumrichtungen (223); und

- Annotieren (311) des Trainingsdatensatzes (227) und Kennzeichen der charakteristischen Bewegungsmuster von sicherheitsrelevanten Ereignissen.

13. Verfahren (100) nach Anspruch 12, wobei das Erstellen des Satzes von Bilddaten (305) umfasst:

- Entzerren (313) der Bilddaten (207) und Erstellen von entzerrten Bildaufnahmen (213); und

- Aufteilen (315) der entzerrten Bildaufnahmen (213) in eine Mehrzahl von Bildelementen (215);

wobei das Erstellen (301) des Trainingsdatensatzes ferner umfasst:

- Bestimmen (317) einer Lichtänderung innerhalb jedes Bildelements (215) für den vorbestimmten Zeitraum; und/oder

- Ermitteln (319) eines Fahrzustands des jeweiligen Schienenfahrzeugs; und/oder

- Zuweisen (321) einer Identifikation zu jedem Bildelement; und

- Kombinieren (323) des bestimmten optischen Flusses (217) des jeweiligen Bildelements (215) mit der Information der Lichtänderung innerhalb eines Bildelements (215) und/oder der Information des Fahrzustands des Zuges und/oder der Identifikation eines Bildelements (215).

14. Recheneinheit (209), wobei die Recheneinheit (209) ausgebildet ist, das Verfahren (100) zum Erkennen eines sicherheitsrelevanten Ereignisses innerhalb einer Fahrgastkabine (202) eines Schienenfahrzeugs (201) nach einem der voranstehenden Ansprüche 1 bis 10 und/oder ein Verfahren (300) zum Trainieren einer Bewegungserkennung (211) nach einem der voranstehenden Ansprüche 11 bis 13 auszuführen.

15. Computerprogrammprodukt (400) umfassend Befehle, die bei der Ausführung des Programms durch eine Datenverarbeitungseinheit diese veranlassen, das Verfahren (100) zum Erkennen eines sicherheitsrelevanten Ereignisses innerhalb einer Fahrgastkabine eines Schienenfahrzeugs nach einem der voranstehenden Ansprüche 1 bis 10 und/oder ein Verfahren (300) zum Trainieren einer Bewegungserkennung (211) nach einem der voranstehenden Ansprüche 11 bis 13 auszuführen.

Zeichnung