Er hangen bijna tweeduizend bewakingscamera’s op metrostations in Rotterdam. Het aantal medewerkers in de toezichtcentrale is de laatste jaren verminderd, dus er wordt minder naar de beelden van de camera’s gekeken. Kan video content analyse dat probleem oplossen?
Stap 1 was een internationaal literatuuronderzoek naar de ervaringen met slimme camera’s. Dat leverde geen vrolijk plaatje op: er bestaat een grote kloof tussen de verwachtingen van de eindgebruikers en de daadwerkelijke producten die beschikbaar zijn. Een groot marktonderzoek uit 2013 concludeerde dat video content analyse zo’n slechte naam heeft gekregen omdat het nooit lukt de beloften van leveranciers en installateurs waar te maken: ‘unable to do what it says on the box’. Dat ligt trouwens niet alleen maar aan de aanbodkant. Ook aan de vraagkant kan het beter. De meeste klanten reserveren te weinig tijd voor de fine-tuning die nodig is om dit soort systemen goed te laten werken. Een ander probleem is dat er vaak te weinig capaciteit is om te reageren op de alarmen die door dit soort slimme systemen worden gegenereerd. Dus zelfs als de systemen precies doen wat ze moeten doen, is het eindresultaat niet goed.
Bezoek aan vier toezichtcentrales
Stap 2 was een bezoek van een groep medewerkers van de RET aan vier grote toezichtcentrales: Rijkswaterstaat, ProRail, GVB Amsterdam en Schiphol. De boodschap voor de collega’s van de RET was overal vrijwel identiek: camera’s kunnen nog niet echt ‘zien’, zoals mensen dat kunnen. Slimme camera’s bestaan dus nog niet en eigenlijk werken alleen zeer eenvoudige toepassingen zoals bewegingsdetectie. Maar ook dat werkt alleen echt goed in gecontroleerde lichtomstandigheden: als er sprake is van wisselende lichtomstandigheden en weersinvloeden is het aantal valse alarmen gewoon veel te groot om werkelijk iets aan dit soort systemen te hebben. En op plekken waar veel mensen bij elkaar komen – zoals metrostations – werken de huidige algoritmes niet goed. En zelfs als dat allemaal wel goed zou werken, is er zoveel bandbreedte en rekenkracht nodig voor dit soort slimme cameratoepassingen dat het niet goed werkt bij systemen met grote aantallen camera’s. Kortom: bij het interpreteren van camerabeelden zijn mensen nog altijd veel belangrijker dan computers.
Combinatie van sensoren
Toch was er ook goed nieuws voor organisaties die steeds meer camera’s aanschaffen zonder mogelijkheden alle beelden rechtstreeks te laten bekijken. De meest veelbelovende toepassing is de combinatie van camerabeelden met andere triggers. Dat kunnen automatische triggers zijn, zoals brandalarmen, maar ook menselijke triggers zoals het indrukken van een alarmknop in een lift of bij een roltrap. De camera’s kunnen dan worden gebruikt ter verificatie van de alarmen.
Aanbeveling
De aanbeveling aan de RET was om een keuze te maken tussen enerzijds alarmafhandeling en anderzijds preventief toezicht. Die twee doelstellingen kan je namelijk niet goed combineren in dezelfde toezichtcentrale. De grootste gebruikers van camera’s in Nederland hebben die scheiding ook duidelijk gemaakt. Alarmcentrales heten niet voor niets alarmcentrales en geen toezichtcentrales. Ook voor het openbaar vervoer zijn er verschillende centrales: eentje voor toezicht en eentje voor alarmopvolging. Op Schiphol zijn er zelfs zeven verschillende toezichtcentrales gebouwd, waar (vaak dezelfde) camera’s door verschillende organisaties worden bekeken. De RET heeft het advies overgenomen en gaat een integrale visie op veiligheid opstellen voordat er wordt bepaald welke rol camera’s moeten spelen.