Wat is er gebeurd?
Videobewaking ondergaat een fundamentele technologische verandering. Decennialang bestond de kerntaak van camerasystemen erin zo goed mogelijke beelden te genereren, over te dragen en vast te leggen. Deze focus verschuift steeds meer: moderne systemen moeten relevante situaties zelf herkennen, beeldinformatie al in de camera analyseren en verschillende sensoren met elkaar verbinden. De camera ontwikkelt zich daarmee van een pure beeldbron tot een intelligente sensor binnen een omvattendere beveiligingsarchitectuur.
De details
Aan de klassieke camerazijde is de technische ontwikkeling nog niet afgerond. Dr.-Ing. Markus Müller van Fraunhofer IOSB, afdeling Video-analysesystemen, verwacht verdere vooruitgang op het gebied van geometrische en radiometrische resolutie. Ook warmtebeeldsensoren worden volgens zijn inschatting krachtiger en voordeliger, wat effectievere totaalsystemen mogelijk maakt. Waarschijnlijk is dat in de toekomst vaker systemen met twee of drie verschillende kanalen worden ingezet – bijvoorbeeld visueel-optische camera's in combinatie met nabij-infrarood en thermisch infrarood. Deze ontwikkeling is al op de markt zichtbaar: multisensorcamera's verspreiden zich steeds meer, en verbeterde low-light-technologie levert niet alleen betere beelden bij zwak licht, maar verbetert ook de voorwaarden voor betrouwbaardere automatische object- en gebeurtenisherkenning.
Edge computing en AI in de camera
Tegelijkertijd verandert de systeemarchitectuur. In plaats van alle videostromen centraal naar een server te sturen, nemen camera's een groeiend deel van de verwerking zelf voor hun rekening – edge computing geldt als een van de belangrijkste trends in de sector. Moderne camera's kunnen personen of voertuigen herkennen, objecten classificeren en metadata genereren voordat informatie wordt doorgegeven aan een videomanagementsysteem of een cloudplatform.
Hoe ver automatische interpretatie kan gaan, blijkt uit onderzoek naar gedragsherkenning bij Fraunhofer IOSB. Van herkende personen worden digitale skeletmodellen respectievelijk lichaams-keypoints gegenereerd, waarna het bewegingsgedrag wordt geanalyseerd. Het systeem moet bijvoorbeeld slaan of schoppen herkennen en een operator attent maken op een mogelijk relevante situatie. De identiteit van de waargenomen persoon is daarvoor niet nodig – een digitaal skelet heeft geen identiteit, herkomst, huidskleur of geslacht.
Sensorfusie in perimeterbeveiliging
Deze ontwikkeling is bijzonder duidelijk zichtbaar bij perimeterbeveiliging. Grote buitengebieden stellen hoge eisen aan bereik, detectiezekerheid en het vermijden van valse alarmen. Zichtbare camera's, warmtebeeldtechniek, radar en andere detectiesensoren nemen steeds vaker verschillende taken binnen één gezamenlijk systeem op zich. Een radar kan een bewegend object onafhankelijk van de verlichting detecteren en de positie ervan bepalen, terwijl een optische of thermische camera dient voor verificatie en classificatie. AI-gebaseerde video-analyse onderscheidt vervolgens personen, voertuigen of dieren en meldt alleen relevante gebeurtenissen aan een meldkamer.
Juist complexe scènes blijven echter lastig. Volgens Müller staat automatische video-analyse onder ongecontroleerde omstandigheden nog steeds voor aanzienlijke uitdagingen. Verschillende bewegingen, wisselende achtergronden, verduisteringen en veel gelijktijdig optredende objecten bemoeilijken een robuuste interpretatie. De verdere ontwikkeling zal daarom niet uitsluitend richting AI gaan – hybride benaderingen die klassieke signaal- en beeldverwerking combineren met neurale methoden, kunnen betere resultaten opleveren. Een centraal knelpunt blijven geschikte en voldoende omvangrijke trainingsdata.
Nieuwe sensorprincipes
Naast intelligente analyse zouden nieuwe sensorprincipes de videobewaking kunnen uitbreiden. Een voorbeeld is range-gated imaging, ook wel gated viewing genoemd: de scène wordt verlicht met zeer korte laserpulsen, waarbij de camera slechts gedurende een exact gedefinieerd tijdvenster wordt geopend. Omdat de looptijd van het licht bekend is, kan het systeem gericht gereflecteerd licht uit een bepaald afstandsbereik vastleggen. Licht dat eerder wordt teruggekaatst door mist, regen of sneeuw, komt grotendeels niet in het relevante beeld terecht. In multisensorsystemen wordt deze techniek gecombineerd met dag-/nacht- en warmtebeeldcamera's. Toepassingsgebieden lopen uiteen van maritieme bewaking tot grensbeveiliging en de detectie en het volgen van objecten en drones.
Ook Fraunhofer IOSB onderzoekt gated viewing voor slechte zichtomstandigheden. Door de tijdsgebonden selectie van terugkerende fotonen kunnen storende reflecties uit voor- en achtergrond worden onderdrukt, terwijl tegelijkertijd afstandsinformatie kan worden verkregen. Een verdere aanvulling is millimetergolfradar, die objecten ook bij duisternis, rook of mist kan detecteren en de afstand en snelheid ervan kan bepalen wanneer optische systemen hun grenzen bereiken.
Context
Voor toekomstige beveiligingssystemen tekent zich daarmee minder de dominantie van één enkele sensor af, maar veeleer een combinatie van verschillende fysische meetprincipes. De volgende ontwikkelingsstap van videobewaking wordt dan ook niet door één enkele technologie bepaald: betere optische en thermische sensoren, range-gated-methoden, radar, edge computing en AI ontwikkelen zich parallel. Daarbij komen krachtigere methoden voor semantische interpretatie van beelden – Fraunhofer IOSB werkt inmiddels ook met foundation-modellen en grote taal-beeldmodellen, die beeldinhoud niet alleen classificeren, maar in een verdergaande semantische context kunnen plaatsen.
Deze ontwikkeling verandert de taak van een videosysteem fundamenteel. Doorslaggevend wordt in de toekomst minder het genereren van zoveel mogelijk beelden, maar veeleer het betrouwbaar filteren van de informatie uit bestaande sensordata die nodig is voor een concrete beveiligingstaak. Voor exploitanten van beveiligingstechniek – of het nu gaat om objectbeveiliging, de beveiliging van gevarenpunten zoals een offerblok of stortkluis, of om grotere perimeteroplossingen – betekent dit: de kwaliteit van een systeem wordt steeds meer bepaald door het vermogen tot situatiebeoordeling, niet langer alleen door resolutie of beeldkwaliteit.
Praktijktips
- Let bij nieuwe aanschaffingen niet alleen op resolutie, maar ook op het vermogen tot multisensoriek en edge-verwerking – deze bepalen in belangrijke mate de betrouwbaarheid van automatische herkenning.
- Voor perimeterbeveiligingsprojecten loont het de moeite combinatieoplossingen van radar, warmtebeeld en optische camera te onderzoeken, om valse alarmen te verminderen en de detectie onder wisselende weersomstandigheden te verbeteren.
- Bij omgevingen met vaak beperkt zicht (mist, regen, sneeuw) moeten exploitanten de geschiktheid van range-gated-methoden respectievelijk gated-viewing-techniek evalueren.
- Omdat complexe scènes met veel objecten nog steeds een uitdaging vormen voor AI-systemen, blijft de mens als beslissende instantie onmisbaar – systemen moeten worden ontworpen als ondersteuning, niet als volautomatische vervanging van operators.
- Bij privacygevoelige toepassingen kunnen methoden zoals skelet- respectievelijk keypoint-gebaseerde gedragsherkenning een optie zijn, omdat ze geen identificatie van de waargenomen persoon vereisen.
Vooruitblik
De camera wordt steeds meer onderdeel van een verbonden sensorsysteem dat situaties herkent, beoordeelt en mensen gericht attent maakt op relevante gebeurtenissen. Onderzoeksinstellingen zoals Fraunhofer IOSB stuwen deze ontwikkeling actief voort met werk aan hybride AI-benaderingen, foundation-modellen en nieuwe sensorprincipes. Voor de beveiligingssector betekent dit een voortdurende verandering: weg van pure beeldregistratie, naar geïntegreerde systemen die verschillende fysische meetprincipes combineren en relevante informatie automatisch filteren – met behoud van de menselijke beslissingsbevoegdheid in veiligheidskritieke situaties.
