Kunstmatige intelligentie, machine learning en 20 megapixels. Deze termen komen regelmatig langs in publicaties over cameratoezicht. De techniek van de camera’s is sterk verbeterd. Een geavanceerd product dus, zo’n camera. Echter aan de andere kant, bijvoorbeeld tijdens een tv-uitzending wanneer wordt gevraagd aan het publiek te reageren op misdrijven, worden er regelmatig korrelige camerabeelden die doen denken aan een andere eeuw. Hoe is dit te verklaren?
Recent is er een onderzoek met camera’s met een AI-accelerator (Artificiële Intelligentie) uitgevoerd in grote stad. Het stadsbestuur wilde weten hoeveel scooters, auto’s, motoren, fietsers en voetgangers er in een wijk naar binnen gingen en hoeveel er weer uitkwamen. In die wijk zijn er camera’s opgehangen die waren uitgerust met een slim algoritme. Het eindresultaat van dit onderzoek was dat van de 30.000 objecten die de videoanalyticus moest beoordelen, er slechts zes fouten waren. Echter in programma’s zoals opsporing verzocht zijn er nog steeds camerabeelden die korrelig, zonder kleur en herkenbaar detail te zien. Hoe is dat nog mogelijk?
Resolutie
Tegenwoordig zit het wel goed met de resolutie, maar er is ook nog de lens. Als fotograaf heb je hier geen last van, je koopt een dure camera en accepteert dat de lens ook een dure aankoop is, je hebt hier niks aan zonder de lens. Stel je bent een museumdirecteur en koopt in plaats van één camera, 150 camera’s dan is dit een erg grote investering. Dan hangen er wel camera’s met een hoge resolutie maar met lenzen die wat resolutie betreft achter blijven. Tegenwoordig kan er veel worden bereikt met de beeldbewerking, bijvoorbeeld door het wegfilteren van de ruis. Echter wordt je altijd geconfronteerd met fysieke beperkingen, zoals de hoeveelheid licht die het glas kan doorlaten.
Licht
Het licht of juist het gebrek aan licht vormt een ander knelpunt. Het is een feit dat criminelen bij voorkeur in het donker opereren. Dat is dan ook precies de omstandigheid waarin die camera’s minder goed werken. Vaak kun je de beelden lichter maken via de instellingen, door bijvoorbeeld het verlengen van de sluitertijd of met beeldversterking, maar dit heeft een prijs. Als de indringers stil blijven staan krijgt de camera ze scherp in beeld, echter zodra ze in beweging komen gaat de kwaliteit automatisch omlaag, de bewegingsonscherpte.
Daarnaast is er een ander probleem, namelijk dat er verschillende soorten licht zijn. Blauw licht op een bewolkte dag en oranje licht op een dag met veel zon, led-licht op een sportveld en natriumverlichting in straatlantaarns. Deze verschillende lichttemperaturen leiden vaak tot verschillend eindresultaat. Op het ene moment zien de camerabeelden er normaal uit en op het andere moment wordt alles lichtgroen. Daarom is het belangrijk om op de juiste afstelling van de witbalans te letten.
Onderhoud
Er valt veel te winnen met een goede installatie. Minstens net zo belangrijk is goed onderhoud, wat vaak heel simpel is. Het is belangrijk om ervoor te zorgen dat de lens van de camera’s goed schoon is. Check dit regelmatig zodat de beelden helder zijn wanneer je deze nodig hebt. Er kan ook gekozen worden voor meer hightech. Sommige camera’s beschikken over vensters en bubbels die vuilafstotend zijn. Vooral in de binnensteden is dat een uiterst efficiënte oplossing.
Overzicht of identificatie
Er zijn dus verschillende redenen waarom de kwaliteit van camerabeelden achterblijft bij de verwachtingen. Maar wat is precies het doel dat je met je camera’s nastreeft. Stel dat je een groene waas door je camerabeelden krijgt, is dat dan erg, wat is het doel van de camera’s? Als je alleen overzicht wilt krijgen van je bedrijfsterrein, dan maakt het niet zoveel uit. Wanneer je specifieke kleur details wilt weten van beelden tijdens een overval dan is het wel een probleem. Er is een groot verschil tussen camera’s voor overzicht en voor identificatie. Veel mensen willen ‘alles’, én overzicht en identificatie. De camera’s moeten het hele terrein en tegelijkertijd iedere voorbijganger in detail in beeld brengen om zo direct te kunnen worden geïdentificeerd.
Echter vereisen overzicht en identificatie beide een andere technische aanpak. Overzicht krijg je met een grote hoek terwijl je identificatie met een beperkt blikveld krijgt. Dit is wel op te lossen, je hangt één camera op die het gehele terrein overziet, en vervolgens twee camera’s die eventuele indringers kunnen identificeren. Als er wordt gekozen voor nog meer technisch vernuft, kan dat ook worden geïntegreerd in één enkele camera. Bijvoorbeeld dat de camera een auto het terrein ziet betreden en hier duidelijk op inzoomt.
Vaste camera’s
Er schuilt een adder onder het gras. Camera’s kijken niet enkel naar de criminelen, deze kijken ook terug. Bij vaste camera’s kan er gezien worden waar deze op gericht staan. Dan kun je snel zelf bepalen of je wel of niet in dit beeld komt. Geharde criminelen maakt dit overigens vaak ook niet uit. Wanneer mensen hun slag slaan maakt het hen vaak niet uit of ze wel of niet in beeld komen. Echter kleine gelegenheidscriminelen die geen geld hebben voor koffie of luiers en dit willen meenemen zonder te betalen schamen zich vaak. Dan kijken ze in de camera omdat ze niet willen dat deze hun ziet. Daarom kijken ze juist wel. Daarom worden er modellen geadviseerd die rond zijn en zwart rond om de lens, dome-camera’s. Dan kan er bijna niet gezien worden waar ze op gericht staan.
Gezichtsherkenning
Camera’s kunnen niet alleen worden ingezet voor het opnemen van beelden voor als er iets mis gaat. Dit kan natuurlijk ook ter preventie. Door middel van gezichtsherkenning, camera’s zijn hier erg goed mee tegenwoordig, vooral vergeleken met voorheen. De techniek van deze camera’s zijn sterk verbeterd. Deze camera’s nemen mensen op en zo ook de gezichten van criminelen. Gezichtsherkenning maakt nu gebruik van kunstmatige intelligentie en machine learning. Zo’n crimineel wordt de volgende keer direct herkent. Zodra deze in beeld komt, kan onmiddellijk de politie in worden geschakeld.
Vals alarm
Een eigenaar van een winkel wil natuurlijk niet dat de camera alarm slaat bij onschuldige gebeurtenissen. Dit risico is de laatste jaren enorm veel kleiner geworden. Tegenwoordig kost het ook veel 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, zoals een voertuig te dicht bij een winkelpand of een persoon met een ongebruikelijke houding. Dan herkent de camera ze al met een accuratesse van zo’n 90%. Wanneer je vervolgens feedback geeft over dat het geen of juist wel een goede detectie was, neemt het aantal vals positieven en -negatieven nog verder af. Dan krijg je scores zoals eerder in deze blog genoemd. 30.000 detecties en slechts zes fouten.
Dit is zowel voor bijvoorbeeld een winkeleigenaar als voor de politie erg prettig. Want als een camera mensen of situaties met een dergelijke accuratesse kan beoordelen, neemt het aantal valse meldingen natuurlijk af tot bijna nul. Hieruit blijkt ook weer dat de techniek van de camera’s sterk is verbeterd.