Waar is AI in videobewaking?

Bij videobewaking is het analyseren van de videobeelden essentieel. Wat wordt er door de camera geregistreerd, in welke context, en wat zijn in deze situatie de te nemen vervolgstappen?

Deze inzichten zijn cruciaal om te bepalen welke vervolgactie ondernomen moet worden, waardoor de veiligheid van mens en omgeving gewaarborgd kan worden. Dat kan natuurlijk op verschillende manieren, zoals een stille melding naar een meldkamer of een automatisch waarschuwingsbericht of -alarm naar een indringer. Toch staat AI in de videobewakingsindustrie relatief gezien nog in de kinderschoenen. Hoe komt dat?

Complexe factoren

AI moet kunnen leren. Maar bij videobewaking zijn de factoren vaak te complex, waardoor het voor het systeem moeilijker is om ervan te leren. In dataverwerking bijvoorbeeld, bestaan de gegevens vaak uit cijfers en teksten. Dit is voor een systeem heel herkenbaar en daardoor makkelijker om van te leren. Maar bij video moet een systeem moeilijk herkenbare en complexe beelden beoordelen. Bijvoorbeeld: een zwarte vlek met een paar witte puntjes kan van alles zijn, van een paar kattenogen in het donker tot inbrekers met een zaklamp.

Technisch gezien is het mogelijk om een systeem dit te leren en op de juiste manier te laten interpreteren. Dit kan echter alleen voor hele specifieke scenario’s en is er veel data nodig om het neurale netwerk te trainen. In de bewakingsindustrie is dit vaak niet voorhanden en heb je daarnaast te maken met zeer variabele omstandigheden, zoals licht, weer en seizoenen. Dit leidt tot beperkingen in nauwkeurigheid en prestaties, waardoor de toegevoegde waarde van AI niet zo maar tot zijn recht komt.

Menselijk inschattingsvermogen

Het begin is er natuurlijk al wel. Zo kan een videobewakingssysteem middels AI al een persoon van een object onderscheiden. Ook wordt AI succesvol ingezet bij het monitoren van verkeersstromen, waarbij automatische incident detectie (AID) zorgt voor een snellere en betere respons, resulterend in meer verkeersveiligheid. Een zeer specifieke use case, waarbij een enorme hoeveelheid data het systeem traint en steeds beter laat functioneren.

Want simpel gezegd: een AI-applicatie weet niets, het voorspelt op basis van getrainde patronen. Een AI-applicatie weet bijvoorbeeld niet waarom iemand aan het rennen is; probeert de persoon in kwestie de bus te halen of heeft hij net een bank overvallen? Dit is de reden waarom de huidige AI-systemen in videobewaking vooral worden gebruikt als beslissingsondersteuning.

Bepaling van relevantie

Dit gebrek aan precisie is de reden waarom de huidige AI-systemen in video surveillance vooral worden gebruikt als beslissingsondersteuning. AI wordt momenteel met name toegepast om ruwweg te bepalen hoe relevant een incident is, om vervolgens een mens te waarschuwen die vervolgens de reactie bepaalt.

Het is goed om je te realiseren dat een bewakingsoplossing - met of zonder AI - zelden een kant-en-klare oplossing is, omdat elk bedrijf en elk uitgangspunt uniek is. Inzicht in het primaire doel van het systeem en hoe de beelden uiteindelijk gebruikt kunnen worden, is dan ook essentieel.