Ik schrijf dit artikel, omdat ik me voor mijn studie Informatica heb verdiept in security en privacy en toen een interessante presentatie over behaviour detection heb bijgewoond van Pr. Dr. L. J. M. Rothkrantz. Dit artikel zal vooral gaan over softwarematige herkenning van beweging en hoe die gebruikt kan worden om situaties te herkennen. Ik zal proberen duidelijk te maken waarom het bruikbaar is en hoe het ingezet kan worden om niet alleen gevaarlijke, maar ook verdachte situaties te herkennen. Ik zal verschillende scenario’s beschrijven waarin het systeem toegepast zou kunnen worden om zo de kwaliteit te verbeteren van situatie herkenning.

De vraag naar veiligheid op publieke plekken is met de jaren gegroeid, wat ervoor zorgt dat camera’s en microfoons in grotere mate geaccepteerd worden door mensen, maar alleen meer camera’s plaatsen helpt niet, want als je één medewerker 100 camera’s laat bewaken, dan ziet hij dingen over het hoofd. Dit zorgt ervoor dat als je meer camera’s nodig hebt je de hoeveelheid medewerkers mee moet laten schalen en dit word al snel een duur proces. Nog een nadeel van camera’s door alleen mensen te laten bewaken, is dat de bewaker soms door de bomen de bos niet meer ziet en daardoor verdacht gedrag niet kan herkennen terwijl die er wel is. Tegenwoordig zoeken mensen niet alleen naar een oplossing voor dergelijke problemen, maar naar een effectieve, efficiënte, schaalbare en goedkope oplossing.

Ik vroeg me af of de matching van beweging aan situaties ingeschakeld kon worden om zo een gevaarlijke of verdachte situatie snel te herkennen, zodat schermen waar iets belangrijks aan het gebeuren is gehighlight worden voor degene die met de camera’s meekijkt.

Tegenwoordig dragen mensen ook steeds meer wearables waarmee je bijvoorbeeld je hartritme kan meten of het aantal stappen dat je loopt. Dus mensen willen meer te weten komen over zichzelf en hun gedrag.

Zou je softwarematige herkenning kunnen toepassen om voor gebruikers waardevolle informatie uit hun beweging gedrag te kunnen halen en hoe zou dat dan in zijn werk gaan?

Het herkennen van beweging is staat los van het feit om meerdere personen te herkennen en onderscheiden van elkaar. Hoe weet je of iemand een mens is en dat je zijn beweging moet volgen? Eén van de manieren die gebruikt wordt is een face detection algoritme. Een probleem daarbij is dat als er te veel mensen op één plek bewegen je moeite hebt mensen los van elkaar te houden. Er zijn al systemen die meerdere mensen tegelijkertijd kunnen volgen, maar die systemen maken gebruik van meerdere camera’s tegelijkertijd en zulke systemen zijn dus prijzig. Als je face detection algoritme gebruikt met te weinig camera’s dan zou je dus niet alle mensen kunnen volgen met de software, omdat niet altijd de gezicht van iemand te zien is wat ervoor zorgt dat van die individuen het gedrag niet geanalyseerd kan worden. Dat is niet zo erg als het systeem als een ondersteunend middel wordt ingezet voor een bewaker, maar het zorgt er wel voor dat je nauwkeurigheid verliest, als je een systeem wilt bouwen wat voor statistieke doeleinden wordt gebruikt.

We weten al dat camera’s beweging kunnen analyseren, zo herkent bijvoorbeeld een kinect camera of iemand aan het zwaaien is.

http://blogs.msdn.com/cfs-filesystemfile.ashx/__key/communityserver-blogs-components-weblogfiles/00-00-01-49-02/5707.skeletalViewer_5F00_web.jpg

Figuur 1: Helemaal rechts zie je de foto genomen met een kinect camera en de linker twee zijn softwarematige interpretatie van de bewegingen die ze maken.

Zoals je hierboven ziet volgt het de hoofdlijnen van jouw lichaam. Dit zou je kunnen gebruiken om agressieve bewegingen te herkennen. Stel je hebt een camera in een winkel bij de kassa staan en je met de software registreert dat iemand met zijn handen snel heen en weer beweegt. Dat zou kunnen betekenen dat hij ruzie aan het maken is. Een probleem bij zulke situaties is, stel dat het maar voor een seconde gebeurt en degene achter de camera’s het heeft gemist, hij niet in de gaten heeft dat daar iets wellicht aan de hand is, maar als dat scherm direct gehighlight wordt wanneer de software registreert dat er misschien iets aan de hand is, ziet de bewaker dat meteen en kan hij de situatie vervolgens in de gaten houden. Zo zou het gebruikt kunnen worden als een ondersteunend middel in de beveiliging.

Het systeem zou op dezelfde manier ook kunnen herkennen of iemand iets aan het stelen is, door te registreren of iemand in een gangpad heen en weer beweegt met zijn hoofd ofwel een beweging maakt wat lijkt op de beweging die je normaal maakt als je iets in je tas, jas of zak probeert te stoppen. Het betekent niet direct dat iemand iets aan het stelen is, want misschien zoekt hij wel een medewerker om hem iets te vragen en misschien stop hij wel zijn eigen telefoon in zijn zak, maar het maakt het wel makkelijker voor degene achter de camera om criminelen te signaleren.

Je kan ook verdacht gedrag analyseren, door bijvoorbeeld bij te houden hoe lang iemand in een winkel is. Als statistisch gezien een persoon gemiddeld een half uur lang in de winkel is en de software registreert dat er al iemand een uur lang rond aan het lopen is, dan is dat verdacht gedrag. Een bewaker registreert zulke situaties niet zo snel, omdat hij met te veel andere dingen bezig is. Je ziet ook vaak in winkels kinderen rondlopen en een beveiliger ziet niet zo snel dat een kind zijn moeder kwijt is, met zo’n systeem zou je kinderen, maar ook ouderen die in de war zijn makkelijker kunnen herkennen.

Ik heb zelf 3 jaar ervaring in beveiliging werk, zowel object, evenement en winkel beveiliging. Een van de dingen die ik vooral vervelend vond, was dat er te veel mensen waren met een winkelverbod en ik ze 9 van de 10 keer niet kon herkennen, vooral als zo’n persoon een half jaar terug een winkelverbod had gekregen van een collega. Wij maakten gebruik van een map met foto’s en gegevens van die personen, maar als er 100 foto’s in zo’n map zijn en jij telkens bij een andere winkel staat waar er ook zo een map is met weer 100 personen erin, dan loop je al snel tegen een limiet aan van wat je kan onthouden. Hier zou de software ook handig ingezet kunnen worden, want camera’s kunnen ook individuen herkennen aan de manier van lopen. Elk persoon heeft ook een redelijk unieke manier van lopen. Als zo’n systeem dan tegen de bewaker zou zeggen dat persoon A op camera nummer 1 misschien iemand is met een winkelverbod, dan zou de beveiliger dat kunnen controleren door zijn foto op te vragen in het systeem.

Zo een systeem zou ook bewakers kunnen helpen met een beter overzicht te krijgen van wat er allemaal aan het gebeuren is in een winkel en waar zijn prioriteiten liggen door middel van een prioriteiten systeem in te bouwen. Als je de situaties een bepaalde prioriteit orde geeft, dan zou je bijvoorbeeld een bewaker die een verdacht persoon in de gaten houdt op camera 1, direct kunnen waarschuwen als er op camera 10 een gevecht uitbreekt, als dat een hogere prioriteit is en dan weet hij ook zonder erbij na te denken welke probleem hij als eerst moet adresseren.

Een probleem die zou kunnen ontstaan als er teveel verdachte situaties tegelijkertijd gebeuren, is dat de bewaker niet naar elke scherm kan kijken. Wat dan handig zou zijn is om alle door de software gedetecteerde verdachte situaties op te slaan op een harde schijf, zo kan de bewaker zodra het wat rustiger wordt even alles doorkijken of hij nog iets belangrijks heeft gemist, zoals een diefstal. Stel dat hij een diefstal heeft gemist, dan zou hij erachter kunnen komen waar die persoon is zonder hem op elke camera te gaan zoeken, maar door aan de software te vragen waar de persoon is of laatste gezien was.

Wat ook een nadeel zou kunnen zijn is dat bewakers ervan uit gaan dat software alles voor hun regelt en dat ze niet meer hoeven te kijken naar de camera’s als de camera’s niks highlighten. Dat zou er dus voor zorgen dat als er software fouten zijn waardoor gevaarlijke situaties niet herkend worden de bewaker het ook niet registreert. Dat is dan de schuld van de bewaker aangezien het als een ondersteunend middel ingezet moet worden en niet als een vervangend middel, maar het is toch eerder geneigd te gebeuren als er gebruik wordt gemaakt van zo een systeem.

Zo’n systeem kan ook gebruikt worden voor andere doeleinden dan alleen criminelen te signaleren, als een persoon bijvoorbeeld om zich heen staat te kijken betekent het niet meteen dat hij iets wil stelen, want die klant kan ook op zoek zijn naar een medewerker om hem een vraag te stellen. Dan zou je een medewerker zijn kant op kunnen sturen, om diegene te helpen. Zo zorg je er ook voor dat je klanten zo snel mogelijk geholpen worden. Het kan ook gebruikt worden om de loopgedrag van mensen te analyseren in een winkel, dan zou een manager erachter kunnen komen wat de beste plek is om aanbiedingen te plaatsen.

Het is ook niet alleen interessant voor bedrijven, je zou ook thuis allerlei analyses uit kunnen voeren om erachter te komen welke ruimtes je vrijwel nooit gebruikt of langsloopt. Zulke informatie is handig als je bijvoorbeeld een zuinige verwarming systeem zou willen inbouwen die op bepaalde tijden van de dag bepaalde ruimtes verwarmt in de winter. Je zou de software ook kunnen gebruiken om te kijken hoeveel tijd je gemiddeld besteed in je huis per dag en je zou de resultaten kunnen vergelijken met die van je vrienden.


Conclusie
Het feit dat de koppeling van beweging aan situatie ingezet kan worden voor verschillende doeleinden is duidelijk. Het is misschien niet voor elke toepassing even goedkoop, maar het is zeker wel bruikbaar in de samenleving.

Het is dus mogelijk om door middel van beweging situaties te kunnen herkennen en zo de reactie snelheid van diensten te kunnen verbeteren. Ik vind dat veiligheid belangrijk is en dat niemand het prettig vind om zich niet veilig te voelen. Zo een systeem zou de snelheid van allerlei hulpdiensten doen verbeteren en zo ook jouw veiligheid.

Het is misschien geen vervanging voor menselijke analyse van situaties, maar het zou het proces goed kunnen ondersteunen en zeker de kwaliteit ervan verbeteren. Tegenwoordig willen mensen ook steeds meer weten over zichzelf, zoals wat hun hartritme is en hoeveel stappen ze per dag maken en dit is ook een medium om jezelf beter te leren kennen.

Het is nog niet mogelijk om goedkoop een grote hoeveelheid mensen apart van elkaar te volgen, maar het is zeker inzetbaar om big data te verzamelen en big data wordt ook steeds belangrijker in onze levens.

Discussiepunten
Om accurate analyses uit te voeren op een grote hoeveelheid mensen is het wel belangrijk dat alle mensen herkend worden in een opname. Met een face detection algoritme is dat mogelijk als er veel camera’s tegelijkertijd gebruikt worden, dus is een face detection algoritme misschien niet de beste oplossing, er zijn dure alternatieven, maar als je het massaal in wil zitten is een dure oplossing niet altijd verstandig, dus welke manieren zouden er nog meer gebruikt kunnen worden om mensen te kunnen herkennen?

Een van de redenen waarom mensen het vervelend vinden om in de gaten gehouden te worden is dat ze niet als potentiele crimineel gezien willen worden, maar veranderd zo een systeem dat nou eigenlijk. Je zult ongeacht het systeem alsnog in de gaten gehouden worden, als jij iets verdachts doet. Het systeem helpt men alleen eerder erachter te komen dat er iets aan de hand is.

Elke software heeft wel zijn eigen fouten en wordt geupdate. In dit geval zou de software bijvoorbeeld bepaald gedrag helemaal niet als verdacht herkennen terwijl het misschien wel overduidelijk verdacht is. Al is het niet toegestaan, dan zou alsnog zo een systeem ervoor zorgen dat bewakers helemaal niet kijken naar de camera’s als er niks gehighlight wordt, dus zou zo een systeem wel averechts kunnen werken.

Nog iets wat zou kunnen gebeuren is dat bedrijven de gegevens die ze verzamelen door gaan verkopen aan een marketing bedrijf. Is dat wel iets wat geaccepteerd zou worden en zo niet hoe zouden we ons ertegen kunnen beschermen.