02

Dit artikel hoort bij: KMarMagazine 02

Nieuwe software ontcijfert onleesbare kentekens

‘Eerste reacties positief’

Onleesbare kentekens. Een crime voor zowel collega’s van de Marechaussee als voor de politie, want: al is het voertuig van een verdachte in beeld, een onscherp kenteken maakt de opsporing een stuk lastiger. Dat moet anders en beter, dachten kapitein Stefan en een collega van de politie. Dus ontwikkelden de 2 samen met een team van specialisten software die met behulp van Artificial Intelligence (AI) het ontcijferen van de wazige nummerborden moet vergemakkelijken. 5 vragen aan Stefan over deze nieuwe tool.

Kun je het belang van deze software eens uitleggen?

“In opsporingsonderzoeken spelen camerabeelden een cruciale rol. De daders van de moord op Peter R. de Vries zijn dankzij deze techniek bijvoorbeeld heel snel gepakt. In 3 kwartier kon de vluchtauto worden onderkend omdat het kenteken bekend was. In 2022 ontsnapten 2 mannen uit de Pompekliniek en ondanks dat er redelijk zicht was op hun auto, duurde het veel langer voordat ze aangehouden werden. Daaruit blijkt hoe belangrijk het is als je een kenteken wel of niet leesbaar kunt maken. In het verkeer of bij misdrijven komen vaak voertuigen in beeld, maar vaak zijn de beelden te slecht om er echt wat mee te kunnen qua kenteken.”

Bewakingscamera.
“Vaak zijn beelden te slecht om iets mee te kunnen qua kenteken.”

Is er niks te doen aan de kwaliteit van de camera’s?

“We maken voor het opsporen gebruik van gevorderde externe beelden. Maar we hebben geen invloed op de kwaliteit van camera’s en ook niet op hoe ze geplaatst zijn. Daarbij komt het probleem dat kentekens niet scherp gesteld worden. Dus je ziet weliswaar het voertuig dat voorbijkomt, maar de focus ligt niet op het kenteken. Hoe goed een camera ook is, dit probleem zal blijven bestaan. Bovendien hebben de meeste camera’s een videocompressie, waardoor de kwaliteit van de beelden een stuk lager is. Je bent gebonden aan datgene wat je krijgt van particulieren, daar moet je het mee doen.”

Foto van een medewerker van het RDW op de rug gezien.
De software valideert de gegevens met RDW-data. “Dat geeft een veel betrouwbaarder resultaat.”

Toen dachten jullie: dit moet anders en beter. Hoe ga je vervolgens aan de slag?

“Er is een team ontstaan van mensen met hele verschillende achtergronden. Van een data scientist tot een robotica engineer, maar ook studenten en een econometrist. Heel divers dus. We hebben eerst gebruik gemaakt van Optical Character Recognition (OCR). Dat is eigenlijk het voorspellen van de meest waarschijnlijke karakters die onleesbare in beeld zijn. Je ziet een kenteken, je snijdt dat uit, en dan gaat het systeem puzzelen.

Daarbij maakt het gebruik van de opbouw van het kenteken. Als je weet dat de eerste 2 karakters letters zijn, dan zijn de karakters erna meestal cijfers. Elk stukje van de afbeelding wordt gebruikt. Er zijn miljarden mogelijkheden. Op basis van wat het systeem ziet, in combinatie met wat het heeft geleerd, bepaalt het voor elke positie de score van elk karakter. De uitkomst is een gesorteerde lijst kentekens. Hierbij is de kans aanzienlijk dat het juiste kenteken in de top 10 van deze lijst staat. Het helpt ook nog als je weet wat voor merk het is. Daar kun je in de tool ook op selecteren, net als op kleur. Het is heel waardevol dat we niet alleen een kenteken leesbaar maken of een voorspelling doen, maar deze ook kunnen valideren met RDW-data.

We hebben een test samengesteld van ruim 1000 afbeeldingen. Daarmee toetsen we ons model. Om de kwaliteit te verbeteren gebruiken we allerlei ingewikkelde voorbeelden, waarvan we weten wat het goede kenteken is. Op die manier leert het model met allerlei moeilijke kentekens omgaan.”

Beeld van de software
Het systeem doet een voorspelling op basis van wat het weet en wat het heeft geleerd.

Zijn nu alle kentekens leesbaar voor jullie?

“Nee. Er zijn situaties waarbij kentekens gewoon te ver van de camera’s afstaan en dat het beeld misschien maar 3 pixels groot is. Dan is het niet mogelijk om er iets uit te halen. Ook bewegingsonscherpte, hoeken en belichting spelen een rol. Het doel is ook niet om perfectie te garanderen, maar om onderzoekers te ondersteunen door hen een zo goed mogelijke startpositie te geven bij het identificeren van verdachte voertuigen.”

Hoe zijn de eerste reacties op het systeem?

“We hebben er al een aantal casussen mee opgelost. Dus de eerste reacties zijn positief. Als wij een oude zaak hebben waarvan we weten dat we daar een kenteken van hebben, dan is er nu een kans om die nog een keer door het systeem te halen. Het beheer en de doorontwikkeling van de tool ligt in handen van Team Rendement Operationele Informatie (TROI) van de Nationale Politie. De software wordt momenteel geoptimaliseerd, zodat een groot gedeelte van de collega's van de Marechausee er ook toegang toe kunnen krijgen. Met 2 verschillende organisaties zijn we binnen 5 jaar tot een operationeel inzetbaar product gekomen. Dat is niet alleen snel, maar bovenal heel gaaf.”  

Tekst: kapitein Kirsten de Vries | Foto’s: politie, archief Mediacentrum Defensie

Politie en marechaussee bekijken rijbewijs