Tekst Robert den Hartog
Foto Wim Salis
Camera's Schiphol leren gedrag herkennen
Een geheim cameraproject dat nerveuze reizigers bestempelt als mogelijke terroristen. Verblijf je te lang op het toilet dan kan het systeem zelfs een arrestatieteam op je af sturen. Met kromme tenen lazen de KMar-collega's Kees Weijers en Hans de Moel de berichtgeving in de krant over zogenoemde slimme camera's op Schiphol. "Allemaal flauwekul. Het ligt veel genuanceerder." Maar hoe zit het dan wel?
Harvest (Human Activity Recognition in VidEo STreams) is de naam van het 1 jaar durende project dat in september het nodige stof deed opwaaien. "Niets geheims aan", zeggen Weijers (dossierhouder innovatie Cluster Bewaken en Beveiligen op de Staf) en De Moel (projectleider KMar Schiphol). Weijers: "Het project wordt mede gefinancierd door het programma '[veilig] door innovatie' van het ministerie van Veiligheid en Justitie. We onderzoeken of we met bestaande beveiligingscamera's op de luchthaven afwijkend gedrag kunnen herkennen. Hiervoor ontwikkelen we de kennis en software."
Harkfiguurtjes
De KMar werkt samen met TNO en Qubit-Visual Intelligence (QVI) aan de techniek om de camera's slimmer te maken. "Maar", nuanceert De Moel, "personen worden niet herkend. De computer reduceert mensen feitelijk tot harkfiguurtjes. Het is ook niet zo dat de techniek straks de collega's op Schiphol aanstuurt, zoals is gesuggereerd. Aan de werkwijze verandert niets. Het ondersteunt de KMar-operators van het Cameratoezicht bij het bekijken van de grote hoeveelheid camerabeelden. De bedoeling is dat we automatisch worden geattendeerd op beelden waarop onbeheerde bagage, diefstal of een persoon die onwel wordt, is herkend."
Bouwstenen
Maar hoe leer je een domme camera afwijkend gedrag herkennen? En dan ook nog op een drukke locatie als Schiphol, waar duizenden mensen zich dagelijks kris kras over de luchthaven verplaatsen. Weijers: "We zijn de software nu aan het voeden met allerlei camerabeelden. Beelden uit de praktijk, maar ook van op de luchthaven nagespeelde incidenten. Daaruit filteren we onderdelen, die afwijkend, opvallend en onderscheidend zijn voor de situatie die wij willen herkennen, zogenoemde 'bouwstenen'. Bijvoorbeeld een onwelwording. Logisch dat 1 van de bouwstenen is wanneer iemand ineens op de grond ligt. Maar 1 bouwsteen herkennen is onvoldoende. Was het niet een spelend kind en blijft het slachtoffer roerloos liggen? Voor betrouwbare detectie moet er meer zijn."
Hoe Harvest moet gaan werken: