Kunstmatige intelligentie, machine learning, 20 megapixels. Het zijn zomaar wat termen die regelmatig langskomen in publicaties over cameratoezicht. Een geavanceerd product dus, zo’n camera. Maar aan de andere kant: tijdens tv-uitzendingen waar het publiek wordt gevraagd te reageren op misdrijven zien we regelmatig korrelige camerabeelden die doen denken aan de twintigste eeuw. Hoe is dat te verklaren?
Peter Passenier
Stel, Edwin Beerentemfel wil zijn niet-technische vrienden enthousiast maken voor bewakingscamera’s. Hoe zou hij dat aanpakken? “Dan zou ik hen vertellen over een recent onderzoek met camera’s met een zogenoemde AI-accelerator. Het onderzoek is uitgevoerd in een grote stad. Het stadsbestuur wilde graag weten hoeveel fietsers, scooters, auto’s, motoren en voetgangers in een wijk naar binnen gingen en hoeveel er weer uitkwamen. Dus zijn er in die wijk camera’s opgehangen die waren uitgerust met een slim algoritme. Die keken naar voorbijkomende fietsers, scooters, motoren, auto’s en voetgangers. En weet je wat het eindresultaat was? Van de 30.000 objecten die de video-analyticus moest beoordelen, waren er maar zes fout.”
Beerentemfel is manager Global Partners & End Customers bij Axis, dus zijn enthousiasme is begrijpelijk. Maar toch… het is de vraag of zijn vrienden dit meteen zouden delen. Want die kijken waarschijnlijk regelmatig naar het programma Opsporing Verzocht, en daar zien ze nog steeds camerabeelden die doen denken aan het begin van deze eeuw: korrelig, kleurloos en zonder herkenbaar detail. Hoe valt dat te rijmen met Beerentemfels sciencefictionverhaal?
Bij de moordaanslag op Peter R. de Vries zette de politie dankzij cameratoezicht direct stappen”
Peter R. de Vries
Beerentemfel zelf ziet meerdere verklaringen. “Allereerst moet je bedenken dat er bij zo’n programma sprake is van een voorselectie. Wat zie je bij Opsporing Verzocht? Vooral die zaken die de politie niet direct kon oplossen. En dat terwijl dat in de meeste gevallen juist wél lukt. De daders komen glashelder in beeld op een cameraopname, en zijn vervolgens snel op te pakken. Bij de moordaanslag op Peter R. de Vries zette de politie direct stappen, juist door dat cameratoezicht.” Maar hij geeft toe: nog steeds produceren sommige camera’s grofkorrelige beelden. En volgens hem is dat tegenwoordig niet meer nodig.
> TIP: Download de gratis Gratis whitepaper cameratoezicht & Artificial Intelligence
Edwin Beerentemfel: “Nog steeds produceren sommige camera’s grofkorrelige beelden, maar dat is tegenwoordig niet meer nodig.”
Van 480 pixels naar 20 megapixels
“Toen ik dertien jaar geleden in deze branche aan het werk ging, leverden de camera’s beelden van 800 × 600 pixels, en dus kreeg je een kwaliteit die vergelijkbaar is met een YouTube-filmpje van 480 pixels. Dat levert weinig details: je ziet dat de dader sportschoenen aan heeft, maar of het Nikes zijn of Adidas, dat blijft onder de radar. Maar de laatste jaren gingen we van 480 naar 720 naar 1080, en nu zitten de duurste camera’s zelfs op 20 megapixels. Daarmee krijg je die sportschoenen haarscherp in beeld.”
LEES OOK: Kenteken heeft duizend-en-een mogelijkheden
Dure lenzen
Met de resolutie zit het tegenwoordig dus wel goed, maar daardoor ontstond er een nieuwe bottleneck: de lens. “Als jij een fotograaf bent, heb je daar geen last van”, zegt Beerentemfel. “Dan koop je een camera voor een paar duizend euro, en dan accepteer je dat je nog eens drie keer zoveel kwijt bent voor de lenzen. Want je beseft dat je niets aan je camera hebt zonder zuiver glas. Maar stel, nu ben je geen fotograaf maar een museumdirecteur, en in plaats van één camera koop je er 150. Dan vormen zulke dure lenzen een veel te hoge investering. En dus hangen er op veel plaatsen camera’s met een enorme resolutie – en lenzen die wat dat betreft achterblijven. Natuurlijk, tegenwoordig kun je ook veel bereiken met de beeldbewerking, bijvoorbeeld door het wegfilteren van de ruis, maar uiteindelijk word je altijd geconfronteerd met fysieke beperkingen, met de hoeveelheid licht die het glas kan doorlaten.”
Camera’s werken minder goed in het donker
Het woord is gevallen: licht. Want dat licht, of juist het gebrek eraan, vormt een andere mogelijke bottleneck. “Criminelen opereren natuurlijk bij voorkeur in het donker”, zegt Beerentemfel. “En dat is precies een omstandigheid waarin die camera’s minder goed werken. Vaak kun je de beelden lichter maken via instellingen, door het verlengen van de sluitertijd of met beeldversterking, maar dat heeft een prijs. Ja, als de indringers netjes stil blijven staan, krijg je ze scherp in beeld, maar zodra ze in beweging komen, gaat de kwaliteit omlaag. Dat is bewegingsonscherpte.”
En vaak krijg je te maken met nog een ander probleem: licht in verschillende soorten. “Denk bijvoorbeeld aan het verschil tussen het blauwe licht op een bewolkte dag en het oranje licht als de zon schijnt. En voeg daarbij het led-licht op sportvelden of de natriumverlichting in straatlantaarns in de gezellige binnenstad. Die verschillende lichttemperaturen leiden vaak tot een verschillend eindresultaat. Het ene moment zien de camerabeelden er normaal uit, het volgende moment wordt alles lichtgroen. Let daarom goed op de juiste afstelling van de witbalans en pas zo mogelijk het type verlichting aan. Daarmee kun je veel van dit soort problemen voorkomen en kleurechte beelden garanderen.”
LEES OOK: Wat zijn de laatste trends in camerabewaking?
Onderhoud van bewakingscamera’s: houd de vensters schoon
Volgens Beerentemfel valt er dus veel te winnen met een goede installatie. Maar minstens net zo belangrijk is goed onderhoud. “En bedenk wel, dat onderhoud is vaak heel simpel. Ons eigen kantoor ligt bijvoorbeeld naast een drukke weg, en je ziet onmiddellijk dat de ramen aan één kant van het gebouw een stuk viezer zijn. Vooral als het regent en de waterdruppels vernevelen door het verkeer, nemen ze heel veel rotzooi mee, en uiteindelijk komt dat ook terecht op het venster van je bewakingscamera’s. De oplossing: maak die vensters regelmatig schoon. En als je daar geen zin in hebt, kun je ook kiezen voor meer hightech. Sommige camera’s beschikken over vensters en bubbels die vuilafstotend zijn. Vooral in de binnensteden is dat een uiterst efficiënte oplossing.”
Er is een groot verschil tussen camera’s voor overzicht en camera’s voor identificatie
Overzicht of identificatie?
Er zijn dus verschillende redenen waarom de kwaliteit van camerabeelden achterblijft bij de verwachtingen. Maar voordat we hier verder over klagen, moeten we eerst een stapje terug. Want wat is precies het doel dat je met je camera’s nastreeft?
“Stel dat je inderdaad een groene waas krijgt door een veranderende lichttemperatuur”, zegt Beerentemfel. “Dan kun je je afvragen of dat erg is. Alles hangt af van je doel. Als je alleen een overzicht wilt krijgen van je bedrijfsterrein, maakt het allemaal niet zoveel uit. Maar als je informatie wilt over de specifieke kleur van het T-shirt tijdens een overval, is het juist wél bepalend. Er is een groot verschil tussen camera’s voor overzicht en camera’s voor identificatie.”
Verschillende technische aanpak
Niet altijd hebben gebruikers dat verschil goed op hun netvlies. “Veel van onze klanten willen alles”, vertelt Beerentemfel. “Hun camera’s moeten hun hele bedrijfsterrein in kaart brengen, en tegelijkertijd moet iedere voorbijganger onmiddellijk kunnen worden geïdentificeerd. Maar die twee aspecten – overzicht en identificatie – vereisen een verschillende technische aanpak. Dat overzicht krijg je met een grote hoek, terwijl je iemand alleen maar scherp in beeld kunt krijgen met een beperkt blikveld. Natuurlijk is dat tegenwoordig wel op te lossen: je hangt één camera op die het hele terrein overziet, en vervolgens twee andere camera’s op strategische plaatsen, zodat je eventuele indringers kunt identificeren. En als je kiest voor nog meer technisch vernuft, kun je dat ook integreren in één enkele camera. Die heeft een breed blikveld, maar zodra deze constateert dat er een auto het terrein oprijdt, zoomt hij daar even op in.”
Er schuilt een adder onder het gras, want camera’s kijken niet alleen naar criminelen, die criminelen kijken terug
Vaste camera’s
Maar er schuilt een adder onder het gras. Want camera’s kijken niet alleen naar criminelen, die criminelen kijken terug. “Bij sommige camera’s, de zogenoemde vaste of fixed camera’s, kun je zien waar ze op gericht staan”, zegt Beerentemfel. “En dus kun je al snel bepalen of je zelf in beeld komt. Ik geef toe, veel geharde criminelen kan dat niet schelen.”
“Neem de lieden die op Schiphol een slag slaan bij taxfree winkels en dure parfums achteroverdrukken of nog duurdere horloges. Die nemen na een geslaagde actie onmiddellijk het vliegtuig terug naar het land van herkomst. Camerabeelden gaan niet helpen om hen op te sporen. Maar aan de andere kant heb je de kleine gelegenheidscriminelen, bijvoorbeeld de mensen die geen geld hebben voor hun koffie of luiers, en daarom proberen deze achterover te drukken. Bij hen zie je heel veel schaamte. Die willen niet dat hun gezicht te zien is. Daarom bekijken die zo’n camera wél, en daarom adviseren wij modellen die rond zijn en zwart rond de lens, de zogenaamde dome-camera’s. Daarvan kun je bijna niet zien waar ze op gericht staan.”
Gezichtsherkenning
Terug naar de criminelen die hun slag slaan bij de taxfree winkels op Schiphol. Want ook hun acties kun je bestrijden met camera’s – zij het dat je die camera’s niet gebruikt voor opsporing maar voor preventie, door middel van gezichtsherkenning. En daarmee zijn we terug bij Beerentemfels verhaal waar dit artikel mee begon. Want gezichtsherkenning, daar zijn camera’s nu veel beter in dan een paar jaar geleden.
“De camera-hardware werd de afgelopen jaren veel beter”, vertelt Beerentemfel. “Gezichtsherkenning maakt nu gebruik van kunstmatige intelligentie en machine learning. Zo’n crimineel wordt de volgende keer meteen herkend. Zodra die in beeld komt, kan onmiddellijk de politie worden ingeschakeld.”
> LEES OOK: Je camera als computer
Vals alarm
Natuurlijk wil de eigenaar van een winkel niet dat de camera alarm slaat bij onschuldige gebeurtenissen, maar dat risico werd volgens Beerentemfel de laatste jaren enorm veel kleiner.
“Tegenwoordig kost het minder tijd om zo’n algoritme te trainen voor detectie en classificatie. Dat blijkt als het 80 tot 90 plaatjes ziet van een specifiek object of persoon: bijvoorbeeld een voertuig dat te dicht bij een winkelpand staat of iemand in een ongebruikelijke houding. Dan herkent de camera ze al met een accuratesse van zo’n 90 procent. En als je vervolgens feedback geeft – nee, dat was geen juiste detectie, en dat weer wel – dan neemt het aantal vals positieven en vals negatieven nog verder af. Dan krijg je scores zoals bij dat eerder genoemde experiment met de AI-accelerator: 30.000 detecties, zes fouten. Een fractie van een procent dus. Dat is prettig voor de winkeleigenaar en ook voor de politie. Want als een camera mensen of situaties met een dergelijke accuratesse kan beoordelen, neemt het aantal valse meldingen natuurlijk af tot bijna nul.”
– Privacytoezichthouders pleiten voor verbod op gezichtsherkenning
– Intelligente camera’s: enkele kanttekeningen
– Thermische camera’s: hot or not?
