De camerasystemen van Axis Communications worden steeds breder toepasbaar. Dat heeft alles te maken met de sprongen in AI en metadata-analyse. De technieken leveren inzichten op die processen verbeteren, fouten sneller signaleren en operationele efficiëntie verhogen. Daarmee verschuiven de camera’s van een passief oog naar actief hulpmiddel. We spraken erover met Architecture & Engineering Manager Netherlands Erik Baeten.
De inzet van beveiligingscamera’s heeft de afgelopen jaren een duidelijke verschuiving doorgemaakt. Waar camera’s voorheen puur voor veiligheidsdoeleinden werden gebruikt, kunnen ze nu steeds breder ingezet worden dankzij nieuwe context. Metadata voegt de context toe die bedrijven nodig hebben. Waar is iets te zien, wat is het en wanneer gebeurde het? Aan bewegende objecten worden tags als voertuig, persoon of tijdstip toegevoegd.
Gebruikers kunnen dankzij deze metadata sneller relevante videobeelden terugvinden en precieze realtime waarschuwingen ontvangen bij verdacht situaties. Deze voordelen zijn vooral door de nieuwste ARTPEC-chipset mogelijk, het hart van iedere Axis-camera. De processor beschikt over meer rekenkracht dan zijn voorganger, wat zich vertaalt naar betere beelden geoptimaliseerd voor AI based objectdetectie en -classificatie. Het camerasysteem creëert waardevolle metadata die gebruikers helpt bij het analyseren en doorzoeken van videobeelden.
Metadata als game-changer
Bij Axis-camera’s van nu en enkele jaren geleden wordt steeds meer metadata gegenereerd. Dit betreft informatie over wat er in het beeld gebeurt: welke objecten zijn gedetecteerd, waar bevinden ze zich en welke kenmerken hebben ze? Deze metadata wordt parallel aan de videostream opgeslagen en maakt gericht zoeken mogelijk. De tagging en indexering op basis van metadata automatiseert en versnelt het handelen van medewerkers.
“Uit onze ervaring blijkt dat ongeveer 80 procent van het cameragebruik gaat om het achteraf terugzoeken van beelden. Dat was traditioneel een zeer tijdrovend proces”, blikt Baeten terug op de winst. Beveiligingsteams liepen nog niet eens zo gek lang geleden tegen dat handmatige proces aan, waar uren werk in kon gaan zitten. “Met metadata kunnen gebruikers nu binnen enkele seconden relevante beelden vinden op basis van criteria zoals objecttype, kleur of bewegingsrichting.”
Bovenstaande progressie bespaart dus tijd, maar het verhoogt ook de slagkracht. De camera kan momenteel onderscheid maken tussen voertuigen (met subcategorieën auto’s, vrachtwagens, bussen, motoren en overigen) en personen. Bij voertuigen kunnen kenmerken als de kleur meegenomen worden. Voor personen kan onderscheid gemaakt worden op kledingkleur (upper- en lower clothing) en accessoires (tassen, rugzakken, petten). Zulke zaken maken het mogelijk om zeer specifieke zoekopdrachten uit te voeren, zoals het vinden van alle grijze vrachtwagens die op een bepaalde dag een specifieke richting op reden.
Praktische waarde op de werkvloer
De mogelijkheden van Axis-camera’s groeien door deze toepassing. Dat maakt Baeten ook duidelijk met een recent praktijkvoorbeeld. Axis helpt een bedrijf dat zich bezighoudt met het assembleren van auto’s. Voor het assemblageproces gaat de auto langs allerlei kwaliteitscontrolestations om eventuele aanwezige productieafwijkingen te detecteren. Het bedrijf in kwestie houdt met de Axis-camera’s kwaliteitscontrole op de assemblagestations in de gaten. Daarvoor hebben ze zelf de modellen getraind. De analyse beoordeelt de lasnaad – is die niet in orde, dan volgt een melding. Maar het signaleert ook of het logo helemaal recht zit. Daarvoor is analyse uitermate geschikt, het heeft voortdurend 100 procent de focus om de afwijkingen te detecteren. Theoretisch gezien is dat effectiever dan een mens inzetten voor de controle, die afgeleid kan zijn en een fout kan missen.
Het gaat hier om een van de vele voorbeelden die laten zien dat de praktijktoepassing van camera’s aan het veranderen is. In allerlei situaties kan de camera veel meer vertellen dan voorheen. Denk aan de logistiek die een zoekgeraakt product sneller terugvindt of een winkel waar klantgedrag wordt geanalyseerd. Dat verschil maakt metadata. Bedrijven die de informatie op de juiste manier benutten, krijgen realtime grip op processen – zonder dat er extra sensoren of mankracht nodig zijn.
Event-based werken
De vooruitgang in AI op camera’s zorgt ervoor dat een camerabeeld wordt gepresenteerd wanneer er een incident waar wordt genomen, waarmee het event-based wordt. Hiervoor is het algoritme ook getraind op het detecteren en classificeren van een persoon. Dat maakt dat het onderscheid kan maken dat een ander object (bijvoorbeeld een dier) geen mens is, dus wordt er geen alarmen gepresenteerd. Het voorkomt ongewenste alarmen. “Met onze object analytics kan een camera nu alleen alarmeren wanneer er daadwerkelijk een persoon of voertuig in beeld is”, legt Baeten uit. “Je kunt dit nog verder verfijnen door alleen te reageren op specifieke scenario’s, zoals iemand die te lang in een bepaalde zone verblijft.”
Deze intelligente filtering vermindert het aantal ongewenste alarmen drastisch, waardoor beveiligingspersoneel efficiënter kan werken. Ook maakt het nieuwe toepassingen mogelijk zoals het tellen van personen of voertuigen, het monitoren van wachtrijen of het detecteren van verdacht gedrag zoals rondhangen bij pinautomaten.
Privacy by design
Hoewel de Axis-camera’s meer zien dan ooit tevoren, blijft het in ons land ook een kwestie van hoe ver je wettelijk kan gaan. Er zullen zomaar privacykwesties om de hoek kunnen komen kijken. Daar houden de camera’s zodoende rekening mee. De metadata wordt lokaal opgeslagen en verwerkt. Daarnaast zal het privacygevoelige informatie automatisch anonimiseren. Camera’s kunnen gezichten, kentekenplaten of hele personen onherkenbaar maken terwijl de rest van het beeld intact blijft. Een camera kan dan ineens ingezet worden in omgevingen waar privacy belangrijk is, zoals de zorg.
In veel situaties zijn gezichtsherkenning of identificatie ook helemaal niet relevant. Het gaat om gedrag, beweging, locatie – en dat kan volledig anoniem worden vastgelegd.
Maatwerk voor brede toepasbaarheid
Hoewel Axis zelf standaard objectdetectie voor voertuigen en personen aanbiedt, kunnen camera’s ook getraind worden op andere objecten. Via het ACAP (Axis Camera Application Platform) kunnen ontwikkelaars eigen AI-modellen implementeren die specifieke objecten herkennen, zoals beschadigde dozen in een magazijn of afwijkingen in industriële processen.
“We zien dat steeds meer partners data scientists aannemen om specifieke AI-toepassingen te ontwikkelen”, merkt Baeten op. “Dit vraagt om een andere mindset dan traditionele beveiligingstechnologie, maar biedt enorme kansen voor procesoptimalisatie. Onze camera’s zijn in feite kleine computers aan de edge die zich lenen voor allerlei toepassingen.”
Steeds vaker werken partners samen met klanten om metadata te koppelen aan dashboards. Denk aan het tellen van objecten. Wanneer die teldata eenmaal beschikbaar is, kan je die data op verschillende manieren visualiseren. Bijvoorbeeld via een heatmap of een lijndiagram. Die vertaalslag is niet altijd eenvoudig. De uitdaging zit vooral in standaardisatie van metadata, interpretatie van context en de koppeling aan bestaande BI-systemen.
Toekomst van camerasystemen
Wat al deze ontwikkelingen duidelijk maken: metadata verandert het speelveld. De camera is niet langer een stille getuige die pas wordt geraadpleegd na een incident. Het is een actief hulpmiddel dat organisaties helpt om vooruit te kijken, bij te sturen en te optimaliseren in real time. Door dit potentieel serieus te nemen, ontstaat er ruimte voor innovatie. Organisaties die daarin investeren, zetten stappen van observatie naar inzicht en van reactief naar proactief handelen.
Voor organisaties die met camerasystemen werken, is het advies van Baeten om te beginnen met de mogelijkheden die al beschikbaar zijn in bestaande camera’s met voldoende rekenkracht. Bijt je eens vast in wat er allemaal al kan. Er is veel mogelijk met metadata voor het achteraf terugzoeken op basis van tijd, object type, kleur, richting en meer. Maar ook met object detectie en -classificatie voor real-time event-based werken is er veel mogelijk, zoals virtuele zones waarbij een persoon in een de zone een trigger is.
Een effectieve toepassing zou het detecteren van of medewerkers hun veiligheidshelm dragen zijn, wat handig is in productieomgevingen voor het verbeteren van veiligheid. Axis biedt, al dan niet in samenwerking met partners, behoorlijk wat standaard algoritmes. Er is veel mogelijk in de vorm van bestaande modellen. Niet overal is een oplossing voor, maar begin eerst met hetgeen wat er al wel is.
Door uiteindelijk eerst ervaring op te doen met standaard objectdetectie en metadata-analyse, kunnen bedrijven beter bepalen welke maatwerkoplossingen eventueel nodig zijn voor specifieke use cases. Dan wordt alles nog effectiever ingezet.
Tip: Cybersecurity, AI en analytics domineren toekomstige videobewakingsindustrie