Überwachung 25.03.2019, 14:43 Uhr

Algorithmus erkennt Emotionen in Gruppen

Überwachungskameras, die Menschenmengen filmen, könnten bald Alarm schlagen, wenn die Stimmung zu kippen droht. Algorithmen, die an der russischen Higher School of Economics entwickelt werden, sollen dies möglich machen.
Mit Hilfe spezieller Algorithmen sollen Bilder von Überwachungskameras ausgewertet werden
(Quelle: PhotoMIX-Company/Pixabay )
Ein von der russischen Higher School of Economics entwickelter Algorithmus erkennt Emotionen in einer Menge - und das über simple Videoaufnahmen. Selbst bei niedriger Videoqualität lässt sich die Analyse einer Menschenmasse in einem hundertstel einer Sekunde durchführen.

Geringe Reaktionszeit

«Es kommt darauf an, wer dieses System im Einsatz hat. Wenn der Staat es zur Verfolgung von Straftaten, zur Abwehr von Gefahren oder zur Gewährung der öffentlichen Sicherheit anwendet, ist es erlaubt. In diesen Fällen ist man dem Staat jedoch datenschutzrechtlich ausgeliefert», kommentiert Heiko Maniero, Prokurist der Deutschen Gesellschaft für Datenschutz, die Technologie.
Der Algorithmus soll vor allem bei Überwachungskameras Verwendung finden. Eine mögliche Anwendung ist diejenige in Supermärkten. Hier soll man herausfinden können, wie die Stimmung von Kunden beim Einkauf ist. Vor allem aber soll die Innovation eine Sicherheitsmassnahme sein.
Bei Fussballspielen oder Massenprotesten sollen so Konflikte vermieden werden. Maniero ist skeptisch: «Ich sehe keinen Sinn in dieser Massnahme, das Zeitfenster ist einfach zu klein. Die Polizei könnte sowieso nichts machen. Die Masse kocht schliesslich nicht über mehrere Stunden hoch, sondern kann plötzlich explodieren.»

Gesamtbild gewinnen

Laut den Forschern Alexander Tarasov und Andrey Savchenko braucht der Algorithmus nur fünf Megabyte an Speicherplatz und kann anhand von einem Bild seine Analyse durchführen. Die Genauigkeit der Anwendung liege bei 75,5 Prozent.
Zuerst wird das Bild in ein neurales Netzwerk geladen. Dann werden die Gesichtszüge in einem weiteren Netzwerk untersucht, das darauf programmiert wurde, bei niedriger Auflösung Emotionen zu erkennen.
Am Ende wird ein Gesamtbild der Gruppenemotion festgestellt, das entweder negativ, positiv oder neutral ist. (www.pressetext.com)

Autor(in) Georg Haas, pte


Das könnte Sie auch interessieren