Im Einzelbild sind ein ferner Vogel und eine kleine Drohne dieselben wenigen dunklen Pixel; da eine Kamera keine Entfernung misst, beweist die Fleckgröße nichts. Der Unterschied liegt in der Zeit und im Schall. Verfolgt ein Tracker jeden Punkt von Bild zu Bild, wird seine Bahn zur Form: Die Spur eines Vogels pulsiert mit dem Flügelschlag, beschreibt Bögen und ändert ihr Tempo; ein Multikopter hat keinen Flügelschlag, steht in der Luft und gleitet seitlich, ohne sich zu drehen. Schall ist ein unabhängiges Indiz: Ein Rotor erzeugt schmalbandige Töne bei seiner Blattfolgefrequenz und deren Harmonischen. Die Entscheidung ist ein Konfidenzwert aus diesen Merkmalen, berechnet an der Edge, am Mast.

Kurz gesagt

  • In unserem Rechenbeispiel belegt in 400 m eine 0,35 m breite Drohne etwa 13 und ein Star etwa 14 Pixel; ohne Entfernung sagt die Größe nichts.
  • Den Unterschied trägt die Form der Spur über die Zeit: Flügelschlagpuls, Geschwindigkeitsmuster, Schwebeflug, Richtungswechsel, Schwarmkontext. Jedes Merkmal lässt sich täuschen; die Entscheidung ist daher ein Konfidenzwert.
  • Schneiden Sie Spuren für den Klassifikator nach Bildlänge zu, nicht nach Zeit.
  • Beim Schall täuscht die Hüllkurvenperiode: Die Schwebung zweier Rotoren kann wie ein Flügelschlag wirken. Entscheidend ist die Tonalität.
  • Kamera- und Mikrofonpfad treffen sich in der Box am Mast; die Kennzahl ist fps pro Watt, für den Operator die Glas-zu-Glas-Latenz.

Warum reicht ein Einzelbild nicht?

Unser Film beginnt mit dieser Frage: Im Morgengrauen ist der Himmel über dem Feuchtgebiet voller Vögel, und im eingefrorenen Bild ist jedes ferne Objekt derselbe dunkle Punkt. Es ist ein Konzeptfilm: Feuchtgebiet, Vögel, Drohne und Mast sind unsere eigene 3D-Animation, Boxen und Spuren auf dem Bildschirm sind keine Detektorausgabe. Die Geometrie des Problems ist dagegen real.

Rechenbeispiel (Annahmen: Drohnenbreite 0,35 m, Entfernung 400 m, Pixelabstand 3,45 µm, Brennweite 50 mm): Winkelgröße 0,35 / 400 = 0,875 mrad; Winkel pro Pixel (IFOV) 3,45 µm / 50 mm = 69 µrad; die Drohne belegt 0,875 mrad / 69 µrad ≈ 12,7 Pixel. Ein Pixel entspricht in dieser Entfernung etwa 2,8 cm.

Mit den Spannweiten aus Pennycuicks Messungen an Zugvögeln zeigt dieselbe Kamera einen Star (0,384 m) mit ≈ 13,9 Pixeln und eine Lachmöwe (0,963 m) mit ≈ 34,9 Pixeln; auf die 12,7 Pixel der Drohne schrumpft die Möwe in etwa 1,1 km. Eine Kamera misst keine Entfernung, also hinterlassen „klein und nah“ und „groß und fern“ denselben Fleck. Mit derselben Optik sieht ein 2448 Pixel breiter Sensor horizontal nur etwa 9,7°; deshalb sitzt die Kamera im Film auf einem Schwenk-Neige-Kopf (Pan-Tilt). Die Detektorseite behandelt unser C-UAS-Architekturbeitrag (auf Türkisch); hier geht es um die Klassifikation.

Welche Merkmale trägt eine Spur?

Eine Spur ist eine Zeitreihe: Position, Geschwindigkeit, Fläche und Helligkeit des Flecks. Im Film schlägt eine Spur nie mit Flügeln, fliegt gerade mit konstanter Geschwindigkeit, bleibt in der Luft stehen und gleitet dann seitlich weg, ohne sich zu drehen; diese Form hinterlässt kein Vogel.

Merkmal Vogel Multikopter Wo es täuscht
Flügelschlagpuls (Fläche, Helligkeit) 2,9–18,2 Hz je nach Art Keiner Segelnde Vögel schlagen nicht mit den Flügeln; bei niedriger Abtastrate entsteht Aliasing
Geschwindigkeitsmuster Im Schlag-Gleit-Flug schwankt das Tempo, im Bogenflug die Höhe Gerade Linie, konstantes Tempo Segelnde Greifvögel und Starrflügeldrohnen fliegen ebenfalls gleichmäßig
Schwebeflug Selten Starkes Indiz Der Turmfalke rüttelt bei der Jagd
Richtungswechsel Im Bogen, während er fliegt Hält an, versetzt seitlich, ohne sich zu drehen Trackerfehler oder Kopfbewegung erzeugen ein falsches seitliches Gleiten
Schwarmkontext Gleiche Richtung und Geschwindigkeit wie die Nachbarn Meist allein Einzeln fliegender Vogel; Drohne nahe einem Schwarm
Beschleunigungsprofil Meist nach vorn In jede Richtung; hartes Bremsen und Anfahren Eine Böe schüttelt beide Spuren

Als Referenz für Flügelschlagfrequenzen dient Pennycuicks Studie an 16 Zugvogelarten bei Falsterbo: 2,88 Hz beim Rotmilan, 2,91–3,27 Hz bei vier Möwenarten, 5,61 Hz bei der Ringeltaube, 10,6 Hz beim Star, 18,2 Hz beim Buchfink. Bei Greifvögeln im Schlag-Gleit-Flug schwankt das Tempo, die Höhe kaum; der Buchfink fliegt im Bogenflug, legt die Flügel an und fällt frei, seine Bahn krümmt sich nach unten und wieder nach oben. Auf Distanz ist das stärkste Signal meist die Fleckfläche, die sich mit dem Öffnen und Schließen der Flügel ändert; eine Körperbewegung von wenigen Zentimetern ist in 400 m kleiner als ein Pixel.

Rechenbeispiel: Die Kamera läuft mit 30 fps, der schwere Detektor läuft nur auf jedem vierten Bild, und der Flügelschlag wird nur aus seiner Box gelesen. Die effektive Abtastrate beträgt 30 / 4 = 7,5 Hz, die Nyquist-Grenze 3,75 Hz; die 5,61 Hz der Ringeltaube erscheinen als |5,61 − 7,5| = 1,89 Hz. Abhilfe: den Puls aus einer günstigen Messung auf jedem Bild lesen, in einem kleinen Fenster an der vorhergesagten Position der Spur.

Die letzte Spalte der Tabelle ist die eigentliche Botschaft: Jedes Merkmal kann allein täuschen, deshalb liefert jedes nur einen Beitrag an Evidenz, der sich entlang der Spur aufbaut. Schwebeflug plus Flügelschlag deutet auf einen Turmfalken, Schwebeflug ohne Puls und mit Rotorton auf eine Drohne.

Warum die Spurlänge in Pixeln begrenzen, nicht in Sekunden?

Das haben wir bei der Arbeit am Film gelernt, beim Zeichnen der Spuren auf dem Bildschirm. Zuerst begrenzten wir die Spuren über die Zeit. Eine Drohne ist viel schneller als ein Vogel, also hinterließ dieselbe Dauer beim Vogel einen Schweif von wenigen Pixeln und bei der Drohne eine Linie quer durchs ganze Bild. Die Zeit zu verkürzen verschob das Ungleichgewicht nur ans andere Ende. Wir stellten auf Pixel um: Jede Spur wird bis zu einer festen Länge im Bild gehalten, Vogel und Drohne hinterlassen ähnlich lange Spuren, und der Unterschied bleibt in der Form.

Ein Klassifikator braucht dasselbe. Formmerkmale wie Krümmung und Richtungswechsel werden vergleichbar, wenn Spuren auf ähnliche Länge zugeschnitten und auf eine feste Punktzahl neu abgetastet werden; Frequenzmerkmale wie der Flügelschlag brauchen ein Zeitfenster. Da das Bild mit dem Pan-Tilt-Kopf wandert, führen Sie die Spur in Azimut und Elevation, mit dem Kopfwinkel des jeweiligen Bildes; bei fester Brennweite entspricht das der Länge im Bild.

# Skizze: Spur nach Winkellänge statt nach Zeit schneiden, nach Bogenlänge neu abtasten.
# Punkt: (Azimut * cos(Elevation), Elevation) in Radiant; Liste: neuester zuerst.
import numpy as np

def spurfenster(punkte, max_laenge):
    behalten, summe = [punkte[0]], 0.0
    for neuer, aelter in zip(punkte, punkte[1:]):
        summe += np.hypot(*np.subtract(neuer, aelter))
        if summe > max_laenge:
            break
        behalten.append(aelter)
    return np.array(behalten[::-1])

def neu_abtasten(spur, n=32):
    s = np.concatenate([[0.0], np.cumsum(np.hypot(*np.diff(spur, axis=0).T))])
    if s[-1] == 0.0:
        return None  # schwebendes Ziel: keine Form, aber Schwebe-Indiz
    t = np.linspace(0.0, s[-1], n)
    return np.column_stack([np.interp(t, s, spur[:, 0]), np.interp(t, s, spur[:, 1])])

Schall: Rotorton, Flügelschlag und die Schwebungsfalle

Der zweite Hinweis des Films ist der Schall: „A wingbeat is a slow pulse. A rotor is a steady tone.“

Die Blattfolgefrequenz (blade passing frequency) eines Propellers ist seine Drehzahl pro Sekunde mal die Zahl der Blätter; ein Zweiblattpropeller mit 6000 U/min ergibt 100 × 2 = 200 Hz. Bei einem von NASA Langley vermessenen Quadrokopter zeigt im Schwebeflug jeder Rotor eine eigene Linie nahe 200 Hz; die Drehzahlen weichen wegen kleiner Unterschiede bei Blättern und Motoren, Schwerpunktversatz und Wind leicht voneinander ab.

Überlagern sich zwei nahe Töne, schwillt die Amplitude im Takt der Differenz beider Frequenzen an und ab; das ist eine Schwebung. Rechenbeispiel: Bei Grundfrequenzen von 200 Hz und 203 Hz (6000 und 6090 U/min bei Zweiblattpropellern, 1,5 % Drehzahlunterschied) schwillt die Hüllkurve dreimal pro Sekunde an; Pennycuick maß für Möwen 2,91–3,27 Hz.

In diese Falle sind wir im eigenen Film getappt: In der ersten Mischung erzeugte ein kleiner Drehzahlunterschied zwischen zwei Rotorklängen eine Schwebung nahe am Flügelschlagrhythmus, und der Satz „ein Rotor ist ein gleichmäßiger Ton“ hielt dem Ohr nicht stand. Der Ton ist synthetisches Sounddesign, keine Feldaufnahme; wir haben Hüllkurve und Spektrum analysiert und korrigiert. Die Lehre ist real: Ein naiver Klassifikator, der nur auf die Hüllkurvenperiode schaut, hätte diesen Rotor für einen Flügel gehalten.

Den Unterschied macht die Tonalität: Rotorenergie liegt in schmalen Bändern auf Vielfachen einer gemeinsamen Grundfrequenz, während wir den Flügelschlag im Film als langsamen, breitbandigen Impuls mit unregelmäßigen Abständen gestaltet haben. Die Hüllkurvenperiode braucht deshalb einen Partner, das Schmalband-Energieverhältnis. Auch Tonalität allein reicht nicht: Reintöniger Gesang ist bei Vögeln verbreitet, und Bodenfahrzeuge erzeugen ebenfalls harmonische Reihen. Einen Rotor verrät eine harmonische Reihe, die auf einer Blattfolgefrequenz sitzt und sich mit dem Manöver verschiebt.

für jedes Audiofenster (im interessierenden Band):
  schmal = Energie innerhalb ±Δf um die stärksten Spitzen / Gesamtenergie im Band
  reihe  = Anteil der Spitzen auf ganzzahligen Vielfachen einer f0
  huelle = dominante Periode im Modulationsspektrum der Hüllkurve

  Rotor-Indiz      ← schmal hoch UND reihe hoch   (Hüllkurvenperiode allein ist kein Indiz)
  Gesangsverdacht  ← schmal hoch ABER keine harmonische Reihe (einzelne Linie)
  Flügel-Indiz     ← schmal niedrig UND langsamer, unregelmäßiger Puls in der Hüllkurve

Mikrofonarray: Woher kommt die Richtung?

Ein Mikrofon hört den Rotor, kann ihn aber nicht orten; die Richtung ergibt sich aus der Laufzeitdifferenz (TDOA) zwischen den Kapseln. Für eine ferne Quelle ist die Verzögerung τ = d · sin θ / c (d Kapselabstand, θ Einfallswinkel, c Schallgeschwindigkeit); der klassische Schätzer ist die generalisierte Kreuzkorrelation (Knapp und Carter, 1976). Rechenbeispiel (Kapselabstand 0,20 m, 48 kHz Abtastrate, 343 m/s bei 20 °C): Die größte Verzögerung beträgt 0,20 / 343 ≈ 0,58 ms, etwa 28 Abtastwerte; direkt vor dem Paar entspricht ein Abtastwert Verzögerung etwa 2° Richtung.

Die Grenzen sind bekannt: Unter den akustischen Studien, die Svanström und Kollegen auswerten, lag die größte berichtete Reichweite bei 290 m, mit einem Array aus 120 Mikrofonen. Auch der Autor der quelloffenen EchoHawk-Pipeline sieht Akustik wegen geringerer Reichweite als Radar und Empfindlichkeit gegenüber Wind und breitbandigem Lärm als eine Schicht eines Multisensorsystems. Die Hauptaufgabe des Schallpfads ist daher, die Frage „Gibt es in dieser Richtung einen Rotor?“ zu beantworten und den Kopf dorthin zu drehen.

Zwei Pfade, eine Box: Wie die Fusion aufgebaut wird

Im Film treffen sich Kamerapfad (Detektion, Tracking, Spurmerkmale) und Schallpfad (spektrale Merkmale, Richtung) in der Box am Mast, und zwar auf einer von zwei Ebenen.

Fusion auf Entscheidungsebene (spät) Fusion auf Merkmalsebene
Was kombiniert wird Klasse und Konfidenz jedes Pfads Spur- und Schallmerkmale in einem Vektor
Voraussetzung Gemeinsames Zeitfenster; Schallrichtung einer Spur zugeordnet Enge zeitliche Ausrichtung von Bildern und Audio-Abtastwerten; auf beiden Kanälen gelabelte Daten
Stärke Pfade werden getrennt getestet; fällt einer aus, arbeitet der andere weiter Kann kanalübergreifende Zusammenhänge lernen
Schwäche Mitteln im Konfliktfall löscht Information Ein fehlender Kanal verfälscht die Eingabe; braucht viel mehr Daten

Das System von Svanström und Kollegen mit Infrarot- und Videokamera, Mikrofon und Pan-Tilt-Plattform nutzt späte Fusion: Klassenausgaben und Konfidenzwerte werden kombiniert und über etwa eine Sekunde geglättet. In einer zehnminütigen Aufnahme verhinderte die Vorgabe von mindestens zwei Sensoren, dass auch nur eine Fehldetektion eines einzelnen Sensors zum Systemalarm wurde.

Auf beiden Ebenen zählt eine Schallrichtung nur dann als Indiz für eine Spur, wenn sie zu deren Azimut passt; diese Zuordnung und die zeitliche Ausrichtung sind die Grundlage jeder Arbeit an Sensorfusion. Sagt die Kamera „Vogel“, während aus derselben Richtung eine stabile harmonische Reihe kommt, mitteln Sie nicht: Es kann eine Drohne nahe am Schwarm sein, oder der Schall hat eine andere Quelle. Markieren Sie die Spur als „widersprüchlich“ und sammeln Sie Evidenz: Kopf drehen, zoomen, Spur verlängern. Stille ist kein Indiz für einen Vogel: Das Ziel kann außer Reichweite oder vom Wind überdeckt sein.

Warum am Mast: fps pro Watt und Glas-zu-Glas-Latenz

Die Cloud-Option haben wir im C-UAS-Beitrag diskutiert; die Klassifikation liefert einen weiteren Grund. Rechenbeispiel (Annahmen: 2448 × 2048 Pixel, 8 Bit, 30 fps): Das Rohvideo umfasst ≈ 150 MB pro Sekunde, rund 1,2 Gbit/s, und passt nur komprimiert über eine Funkstrecke; verlustbehaftete Kodierung glättet den Puls eines wenige Pixel großen Flecks leicht weg. Die Mikrofonkanäle müssen zudem abtastgenau ausgerichtet bleiben. Wird neben den Sensoren gerechnet, macht ein Verbindungsausfall den Mast nicht blind.

Die Leistung am Mast ist begrenzt, und die Box muss ihre Wärme selbst loswerden. Deshalb ist die Kennzahl fps pro Watt: die Ende-zu-Ende-Bildrate von der Kamera bis zur Spurausgabe, geteilt durch die am Gehäuseeingang abgelesene Leistung. Die Werkzeuge im Abspann des Films (Jetson Orin NX, TensorRT, INT8, DLA) sind die Kette, mit der wir arbeiten; wie eine solche Messung aufgebaut wird, beschreiben unsere Methodennotiz zur Edge-AI-Inferenz und die Seite zur Edge-AI-Pipeline. Die Fallstudie auf unserer Website verortet den Orin NX in einem Luftfahrzeug; der Mast im Film ist ein Konzept.

Der Operator sieht das Bild einen Moment später; diese Latenz wird von Glas zu Glas bestimmt: vom Durchgang der Photonen eines Ereignisses durch das Kameraobjektiv, bis die Photonen desselben Ereignisses das Displayglas verlassen. In der Methode von Bachhuber und Steinbach mit LED und Fototransistor ist das Ergebnis eine Verteilung; weil der Operator anhand dieses Bildes entscheidet, zählt ihr Ende mehr als ihr Mittelwert.

Was wir messen würden

Im Film gibt es keine einzige Zahl; wenn wir eine veröffentlichen, stehen Aufbau und Methode daneben. Wir würden messen:

  • Ende-zu-Ende-fps und Watt am Gehäuse unter derselben Last;
  • die Verteilung der Glas-zu-Glas-Latenz und ihren schlechtesten Wert;
  • eine Konfusionsmatrix nach Klasse und Entfernung sowie Fehlalarme pro Stunde an vogelreichen Morgen;
  • in welcher Sekunde der Spur die Konfidenzschwelle überschritten wird.

Radar-Mikro-Doppler: der Pfad, den der Film auslässt

In unserem Film gibt es kein Radar, aber einen dritten Weg: Ein drehender Propeller und ein schlagender Flügel erzeugen im Radarecho Seitenbänder um die Haupt-Dopplerfrequenz (Mikro-Doppler). In Messungen von Rahman und Robertson bei 24 GHz und 94 GHz zeigt die Drohnensignatur breit zu beiden Seiten gestreute Propellerblitze, die Vogelsignatur dagegen periodische Blitze im Takt des Flügelschlags ohne diese breite Streuung. Die Schwierigkeit bleibt: Vögel sind ähnlich groß wie Drohnen und fliegen in ähnlichen Höhen und Geschwindigkeiten.

Wo es schiefgeht

  1. Auf ein Merkmal entscheiden. Turmfalken rütteln, segelnde Vögel fliegen gerade, ohne zu schlagen.
  2. Den Flügelschlag mit der falschen Rate abtasten. Wird der Puls nur aus einem Detektor gelesen, der auf jedem N-ten Bild läuft, entsteht Aliasing.
  3. Kopfbewegung in die Spur schreiben. Stammen Pan-Tilt-Winkel und Bild nicht vom selben Zeitpunkt, erscheint die Kopfbewegung als falsche Drift; ein Tracker, der Ziele vertauscht, tut dasselbe.
  4. Der Hüllkurvenperiode trauen. Rotorschwebung kann auf einen Flügelschlagrhythmus fallen; prüfen Sie Schmalbandverhältnis und harmonische Reihe.
  5. Tonalität für einen Rotor halten. Reintöniger Gesang und Fahrzeugharmonische sind ebenfalls tonal.
  6. Stille als Indiz werten. Reichweite und Wind können einen Rotor unhörbar machen.
  7. Auf Clip-Ebene auswerten. Landen Abschnitte derselben Aufnahme in Trainings- und Testmenge, sieht die Leistung zu gut aus; teilen Sie nach Aufnahmesitzung.

Was dieser Beitrag nicht sagen kann

  • Es gibt keine Felddaten; wir nennen für keinen Klassifikator Genauigkeit oder Fehlalarmrate.
  • Der Film ist ein Konzeptfilm: Feuchtgebiet, Vögel, Drohne und Mast sind unsere 3D-Animation; Boxen, Spuren und Beschriftungen sind keine Detektorausgabe. Der Ton ist synthetisches Design.
  • Die C-UAS-Fallstudie auf unserer Website verortet den Orin NX in einem Luftfahrzeug; wir beschreiben kein an einem Mast installiertes System.
  • Zahlen aus der Literatur gehören zu den Bedingungen dieser Studien; Pennycuicks Messungen etwa betreffen Vögel unter 200 m Flughöhe.
  • Wir wissen nicht, aus welcher Entfernung der Flügelschlag eines echten Vogels an einem Mast hörbar ist; im Film haben wir ihn als Gestaltungsentscheidung hörbar gemacht.

Häufig gestellte Fragen

Kann eine Kamera allein Vogel und Drohne unterscheiden?

Aus einem Einzelbild auf Distanz nicht zuverlässig: In unserem Rechenbeispiel sind eine 0,35 m breite Drohne und ein Star in 400 m derselbe Fleck von etwa 13–14 Pixeln. Ohne Entfernung muss sich die Entscheidung auf die Form der Spur über die Zeit stützen.

Welche Spurmerkmale verraten eine Drohne?

Fehlender Flügelschlagpuls, gerader Flug mit konstanter Geschwindigkeit, Schwebeflug und seitliches Gleiten ohne Drehung. Keines reicht allein, denn Turmfalken rütteln und segelnde Vögel schlagen nicht; die Entscheidung ist ein Konfidenzwert, der sich entlang der Spur aufbaut.

Warum ist akustische Detektion ein zusätzliches Indiz?

Sie misst einen vom Bild unabhängigen physikalischen Vorgang: Ein Rotor erzeugt eine schmalbandige Reihe bei seiner Blattfolgefrequenz und deren Harmonischen, die Dunst nicht beeinflusst. Wegen kurzer Reichweite und Windempfindlichkeit steht sie neben der Kamera, nicht an ihrer Stelle.

Warum wird diese Verarbeitung am Mast erledigt?

Der wenige Pixel große Puls wird von Videokompression leicht geglättet, und die Mikrofonkanäle müssen abtastgenau ausgerichtet bleiben. Rechnen neben den Sensoren funktioniert auch bei Verbindungsausfall; deshalb ist die Kennzahl fps pro Watt und für den Operator die Glas-zu-Glas-Latenz.

Quellen

Quellen abgerufen am 26. September 2026.