Background Model

Wer etwas Auffälliges finden will, muss zuerst wissen, wie das Unauffällige aussieht. Genau diese Aufgabe übernimmt ein Background Model, auf Deutsch ein Hintergrundmodell. Es ist eine mathematische Beschreibung dessen, was normalerweise passiert, wenn nichts Besonderes passiert. Ein Beispiel: Eine Überwachungskamera filmt einen leeren Flur. Das Hintergrundmodell hält fest, welche Helligkeit jeder Bildpunkt im leeren Flur üblicherweise hat. Taucht eine Person auf, weichen ihre Bildpunkte deutlich vom Modell ab — und werden dadurch erkennbar. Der Begriff taucht in sehr unterschiedlichen Bereichen auf: in der Bildverarbeitung, in der Sprachtechnik, in der Statistik und in der Physik.

Ohne Normalzustand kein Ausreißer

Viele KI-Systeme suchen nach Abweichungen. Eine Bank sucht nach verdächtigen Überweisungen, ein Sicherheitssystem nach ungewöhnlichem Netzwerkverkehr, ein Sensor nach dem beginnenden Defekt einer Maschine. In all diesen Fällen gibt es sehr viele normale Fälle und sehr wenige interessante. Ein System, das nur die seltenen Fälle kennt, hat viel zu wenig Material zum Lernen.

Der Trick besteht darin, die Aufgabe umzudrehen. Statt den Ausnahmefall zu lernen, lernt das System den Normalfall — davon gibt es reichlich Daten. Alles, was schlecht zu diesem Modell passt, gilt anschließend als verdächtig. Diese Denkweise nennt man Anomalieerkennung, also das Aufspüren von Abweichungen.

Die Qualität des Hintergrundmodells entscheidet dann über die Qualität des ganzen Systems. Ist es zu grob, schlägt das System ständig grundlos Alarm. Ist es zu großzügig, verschluckt es echte Auffälligkeiten. In der Praxis ist die Fehlalarmrate oft das größere Problem, weil Menschen Warnungen irgendwann ignorieren.

Wie der Normalzustand gelernt wird

Meistens entsteht ein Hintergrundmodell aus Statistik über viele Beobachtungen. Bei einer festen Kamera speichert das Programm für jeden Bildpunkt einen typischen Farbwert und dazu eine erlaubte Schwankungsbreite. Weicht ein Pixel stärker ab, als die Schwankungsbreite zulässt, wird er als Vordergrund markiert. Aus vielen solchen Pixeln entsteht die Silhouette der Person, die gerade durchs Bild läuft.

Wichtig ist, dass sich das Modell fortlaufend anpasst. Licht ändert sich im Tagesverlauf, ein Stuhl wird verrückt, draußen bewegen sich Blätter im Wind. Deshalb aktualisieren gute Verfahren ihren Hintergrund ständig und lassen mehrere zulässige Zustände pro Bildpunkt zu. Klassische Verfahren dafür heißen Gaußsche Mischmodelle; moderne Systeme nutzen dafür neuronale Netze, also lernende Programme mit vielen einstellbaren Zahlenwerten.

In der Sprachverarbeitung sieht das Prinzip ähnlich aus, aber ohne Bilder. Bei der Sprechererkennung baut man ein sogenanntes Universal Background Model. Es beschreibt, wie ein durchschnittlicher Mensch klingt. Das Modell einer einzelnen Person entsteht dann als Abweichung von diesem Durchschnitt. Das spart enorm viele Aufnahmen, weil man nicht für jede Person bei null anfängt.

Vom Videochat bis zum Teilchendetektor

Am häufigsten begegnet der Begriff wohl in Videokonferenzen. Wenn ein Programm den Hintergrund unscharf zeichnet oder durch ein Bild ersetzt, muss es zuvor Person und Umgebung trennen. Moderne Werkzeuge kombinieren dafür ein Hintergrundmodell mit einem Netz, das Menschen direkt im Bild erkennt. Ähnliches steckt in Verkehrskameras, die Fahrzeuge zählen, und in Kassensystemen, die Diebstahl erkennen sollen.

In der Wissenschaft hat der Begriff eine strengere Bedeutung. Physiker am Teilchenbeschleuniger CERN berechnen genau, wie viele Messereignisse allein durch bereits bekannte Vorgänge entstehen. Erst wenn deutlich mehr Ereignisse auftreten als dieser Hintergrund erwarten lässt, spricht man von einer möglichen Entdeckung. Auch in der Astronomie trennt man so schwache Objekte vom Rauschen des Nachthimmels.

Ein verbreiteter Irrtum ist, ein Background Model sei einfach ein einzelnes Foto des leeren Raums. Das trifft nur auf die simpelste Variante zu und versagt schon bei wechselndem Licht. Ein brauchbares Hintergrundmodell beschreibt keine feste Aufnahme, sondern eine Bandbreite erlaubter Zustände. Genau darin liegt der Unterschied zwischen einem Spielzeugverfahren und einem System, das im Dauerbetrieb funktioniert.