Videoanalyse spürt Ladendiebe auf

Ein hastiger Griff ins Zigarettenregal, ein kurzer Blick nach hinten, ein Schweißtropfen auf der Stirn. Sehen so potenzielle Ladendiebe aus? Fahren kurze Zeit später beide Schachteln Marlboro über den Scanner oder hat sich eine in der Jackentasche verirrt? Fragen, die kaum eine Kassiererin an ihrem hektischen Arbeitsplatz beantworten kann. Zwar laufen in den meisten Supermärkten und Geschäften Überwachungskameras, doch es sitzt selten jemand im Kämmerlein und sichtet stundenlang das Video-Material.

Dieser Aufgabe nehmen sich jetzt immer öfter spezifische Data Mining Tools an. Die Datenanalyse-Software wertet die Aufnahmen von IP-basierten Videokameras aus, indem sie versucht, ungewöhnliches Kundenverhalten zu erkennen und Rückschlüsse auf bevorstehende kriminelle Taten zu ziehen.

IP-basierte Videokameras ersetzen analoge Videosysteme

In Deutschland sind dem Europäischen Handelsinstitut (EHI) zufolge 80 Prozent der großen Einzelhändler mit Videosystemen ausgestattet. Professionelle Diebe wissen jedoch auch, dass in den meisten Fällen kein Detektiv vor dem Kontrollschirm sitzt, um sie zu beobachten. Das wäre viel zu aufwändig. Deshalb gehen Unternehmen verstärkt dazu über, analoge Kameras durch IP-basierte Systeme ersetzt. Diese verfügen zum Beispiel über eine Pre-Buffer-Funktion, mithilfe derer sich die letzten 30 Sekunden vor einem Diebstahl anzeigen lassen. So können Kaufhausdetektive den Modus Operandi von Langfingern analysieren und im Zweifelsfall eingreifen. "Zunächst einmal muss man verstehen, wie es zu einem bestimmten Diebstahl kam. Dann kann man Techniken entwickeln und einsetzen, um alle Lücken zu schließen", sagt Phil Doyle, Chef von Axis Communikations, einem großen Hersteller von Netzwerkvideos. Viele seiner Systeme seien an Data Mining Tools angeschlossen.

Data Mining Tools analysieren Bewegungsrichtung und Geschwindigkeit

Manche Kamerasysteme filmen zum Beispiel nur Gesicht und Oberkörper der Kunden und registrieren Merkwürdigkeiten wie plötzliche Schweißausbrüche. Andere versuchen, bestimmte Personen und Objekte zu identifizieren und alarmieren, wenn registrierte Personen ein Geschäft betreten. Und wiederum andere nehmen Gehrichtung und -Geschwindigkeit der Einkaufenden auf und versuchen daraus, Rückschlüsse zu ziehen. Die Analyse der Daten soll Hinweise darüber liefern, wie das typische Verhalten von Langfingern aussieht oder aber automatisch Alarm auslösen, wenn etwas Auffälliges passiert. Neben dem Kundenverhalten untersuchen Data Mining Tools auch, welche Produkte, zu welcher Tageszeit und in welchen Bereichen der Ladenfläche bevorzugt verschwinden. So können begehrtes Gut sicherer platziert und brisante Bereiche genauer beobachtet werden.