Die Messung der Sicherheitswahrnehmung ist in vielen Städten der Welt ein Thema von Interesse. Dies ist aufgrund ihrer sozialen Relevanz und ihres Einflusses auf bestimmte lokale wirtschaftliche Aktivitäten der Fall. Obwohl die Sicherheitswahrnehmung der Menschen ein subjektives Thema ist, kann es unter einem begrenzten geografischen und soziokulturellen Kontext möglich sein, gemeinsame Muster zu identifizieren. In dieser Arbeit wird ein Ansatz vorgestellt, der Bildverarbeitungs- und Maschinelles-Lernen-Techniken nutzt, um städtische Umgebungsmerkmale mit hoher Genauigkeit zu erkennen, die die Sicherheitswahrnehmung der Bürger beeinflussen könnten.